一种基于Filter与Wrapper模型的网络流量特征选择方法

在基于机器学习方法的网络流量分类系统中,通过特征选择找到的最优特征子集将直接影响到分类的速度及精度。针对这种情况,提出了基于Filter与Wrapper模型的流量特征选择方法。首先对网络流量特征向量进行类间、类内的距离计算,抽取类内距离较小而类间距离较大的特征子集,然后将其进行组合,作为遗传算法的初始群体进行遗传操作,从而得出最佳分类特征子集,实现降维并提高分类精度。