Отрывок: Результат анализа качества модели приведен в таблице 3. Таблица 3 - Точность и полнота предсказаний для алгоритма «kNN» при срезе в 1000 первых сегментов Точность Полнота Ф-мера Количество BitTorrent 0,91 0,82 0,86 62 DNS 1,00 1,00 1,00 4338 HTTP 0,9...
Название : Реализация и исследования алгоритмов классификации сетевого трафика
Авторы/Редакторы : Горячев В. А.
Белоусов А. А.
Сюсин И. А.
Министерство образования и науки Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2017
Библиографическое описание : Горячев, В. А. Реализация и исследования алгоритмов классификации сетевого трафика : вып. квалификац. работа по спец. "Прикладная математика и информатика" / В. А. Горячев ; рук. работы А. А. Белоусов; рец. И. А. Сюсин ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и электр. - Самара, 2017. - on-line
Аннотация : Объектом исследования являются алгоритмы машинного обучения такие как «Random forest» и метод k ближайших соседей.Цель работы – реализация методов классификации сетевого трафика по типу прикладного протокола, с использованием языка программирования Python, пакетов Pandas, NumPy, Scikit-Learn, и их сравнение.Разработана программная реализация рассмотренных методов, с ее помощью проведен анализ сетевого трафика, выбран наилучший метод классификации.
Другие идентификаторы : RU\НТБ СГАУ\ВКР20170914150635
Ключевые слова: сетевой трафик
метод k ближайших соседей
машинное обучение
классификация сетевого трафика
Random Forest
KNN алгоритм
анализ данных
прикладной протокол
Располагается в коллекциях: Выпускные квалификационные работы




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.