刘金来
- 作品数：2 被引量：49H指数：2
- 供职机构：哈尔滨理工大学更多>>
- 发文基金：国家自然科学基金教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于最大信息系数和近似马尔科夫毯的特征选择方法被引量：46
- 2017年
- 最大信息系数(Maximum information coefficient,MIC)可以对变量间的线性和非线性关系,以及非函数依赖关系进行有效度量.本文首先根据最大信息系数理论,提出了一种评价各维特征间以及每维特征与类别间相关性的度量标准,然后提出了基于新度量标准的近似马尔科夫毯特征选择方法,删除冗余特征.在此基础上提出了基于特征排序和近似马尔科夫毯的两阶段特征选择方法,分别对特征的相关性和冗余性进行分析,选择有效的特征子集.在UCI和ASU上的多个公开数据集上的对比实验表明,本文提出的方法总体优于快速相关滤波(Fast correlation-based filter,FCBF)方法,与Relief F,FAST,Lasso和RFS方法相比也具有优势.
- 孙广路宋智超刘金来朱素霞何勇军
- 深度学习模型在网络流量分类中的应用研究
- 实时网络流分类在互联网服务提供商(ISP)和其设备供应商解决复杂网络管理问题中有非常重要的应用。关于这项问题已经有许多研究，并提出了许多不同种类的方法。通常部署的网络流量分类技术基于每个数据包的载荷、端口、和网络流量的统...
- 刘金来
- 关键词：计算机网络管理网络流量分类卷积神经网络
- 文献传递
