【技术实现步骤摘要】
一种网络流量数据的识别方法及设备
本专利技术涉及计算机网络
，尤其涉及一种网络流量数据的识别方法及设备。
技术介绍
随着互联网技术的高速发展，网络的新应用层出不穷，对网络中流量数据的智能管理变得日益重要，而若要对流量数据进行智能管理，则首先需要对流量数据的类型进行识别。目前，主要采用传统的聚类算法对流量数据进行识别，传统的聚类算法必须依赖大量且未失真的流量数据，然而流量数据在传送过程中很容易受到外界环境的噪声干扰从而导致数据的丢失或者失真，所以，在流量数据较小或受到外界环境噪声干扰的情况下，使用传统的聚类算法对流量数据进行识别时，就会严重降低识别的准确性。所以，现有技术中，存在网络流量数据识别不准确的技术问题。
技术实现思路
本专利技术实施例提供一种网络流量数据的识别方法及设备，能够提高网络流量数据的识别准确度。第一方面，提供一种网络流量数据的识别方法，该方法包括：选取历史流量数据集，采用聚类算法对所述历史流量数据进行聚类，获得所述历史流量数据集的历史域类中心，其中，所述历史域类中心为所述历史流量数据集的聚类中心；将所述历史域类中心作为待识别的当前流量数据集的参...
【技术保护点】
1.一种网络流量数据的识别方法，其特征在于，包括：选取历史流量数据集，采用聚类算法对所述历史流量数据进行聚类，获得所述历史流量数据集的历史域类中心，其中，所述历史域类中心为所述历史流量数据集的聚类中心；将所述历史域类中心作为待识别的当前流量数据集的参考聚类中心，根据所述参考聚类中心，生成对当前流量数据集的聚类中心进行约束的约束函数，基于所述约束函数对所述当前流量数据集进行聚类，并根据所述聚类结果识别所述当前流量数据集中每个流量数据的类型，所述约束函数用于使所述当前流量数据集的聚类中心接近所述历史域类中心。
【技术特征摘要】
1.一种网络流量数据的识别方法，其特征在于，包括：选取历史流量数据集，采用聚类算法对所述历史流量数据进行聚类，获得所述历史流量数据集的历史域类中心，其中，所述历史域类中心为所述历史流量数据集的聚类中心；将所述历史域类中心作为待识别的当前流量数据集的参考聚类中心，根据所述参考聚类中心，生成对当前流量数据集的聚类中心进行约束的约束函数，基于所述约束函数对所述当前流量数据集进行聚类，并根据所述聚类结果识别所述当前流量数据集中每个流量数据的类型，所述约束函数用于使所述当前流量数据集的聚类中心接近所述历史域类中心。2.如权利要求1所述的方法，其特征在于，所述生成的约束函数为：所述基于所述约束函数对所述当前流量数据集进行聚类，包括：根据所述约束函数以及聚类算法确定目标函数，所述目标函数为：其中，C为聚类的类别总数，N表示流量样本的总数，xj为流量样本，γ是平衡参数且γ∈(0,+∞)，||xj-vi||2表示第j个样本与第i个聚类中心之间的距离,β为平衡参数且β∈[0,+∞)，为历史域类中心的第i个聚类中心，vi为第i类的聚类中心，μij表示第j个样本是第i个类的隶属度；基于所述目标函数对所述当前流量数据集进行聚类。3.如权利要求2所述的方法，其特征在于，所述基于所述目标函数对所述当前流量数据集进行聚类，包括：选取所述当前流量数据的聚类的类别总数C的值，以及分别选取平衡参数γ的值以及β的值；将C的值、γ的值、β的值以及所述当前流量数据集作为流量样本输入所述目标函数进行聚类，获得所述当前数据集的最优隶属度，所述最优隶属度包括所述当前数据集中每个流量数据的多个隶属度。4.如权利要求3所述的方法，其特征在于，所述根据所述聚类结果识别所述当前流量数据集中每个流量数据的类型，包括：根据所述最优隶属度，确定每个流量数据的多个隶属度中大于阈值的目标隶属度；将每个流量数据归为每个流量数据的目标隶属度对应的类型。5.如权利要求1-4中任一项所述的方法，其特征在于，所述聚类算法为模糊划分聚类算法或为极大熵聚类算法。6.一种...
【专利技术属性】
技术研发人员：苏龙华，徐军，董琪，
申请(专利权)人：中移苏州软件技术有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。