一种基于残差网络的改进网络流量分类算法

杨利霞

一种基于残差网络的改进网络流量分类算法

基于卷积神经网络的网络流量分类算法中，为了提高分类准确度，其结构设计日趋复杂，容易出现
' U. r6 _. e. E* E4 x, t梯度下滑甚至梯度消失，导致预测准确度不升反降。文章提出了一种基于残差网络的改进流量分类算法，
$ x8 a5 f/ L# r/ a引入残差网络层代替传统卷积神经网络中的卷积层和池化层，不仅缓解了传统卷积网络因层次太深导致难
- x/ `9 H4 _+ A6 Z以训练的问题，同时与传统卷积运算相比，所提出的残差网络在训练时学习到的数据特征信息更加全面，
# v: b# ^9 p' u. N  @训练后的模型也能更加准确。仿真结果表明：改进后的算法比常规的神经网络表现更佳，分类准确度从
92.05%提高到 96.18%。
, s* T( N& g5 t4 C; |) }2 }

9 `4 Q" G) \. C6 T5 p# Y