简介：随着多媒体技术的发展，优酷等HTTP视频业务占据越来越大的网络流量。对HTTP视频业务进行有效分类以保证其QoS已成为必要。然而大多数HTFP视频业务以浏览器为客户端，通过端口号难以将HTTP视频业务和其他Web业务区分开来。本文采用机器学习方法对HTTP视频业务进行区分，通过采用流组特征使得识别准确率提高了12％，并对三种机器学习
简介：为解决传统的地质灾害分类方法中效率低下的现状，本文将模式分类中的相应方法引入到基于雷达数据分析的地质灾害分类算法中。利用PCA降维算法和KNN分类算法构建分类模型，之后利用现有雷达数据进行训练得出模型参数，最后将需要测试的数据集放入模型进行实验，经过测试发现模型处理速度明显提高，精度符合要求。
简介：如何选取训练样本使得SVM达到更好的效果是机器学习中的一个难题。本文提出一种改进AP聚类算法，通过二分法不断扫描偏向参数P空间，得到最优的偏向参数P，以期得到更准确的聚类效果，从而选取更高质量的训练样本，使SVM达到更好的分类效果。实验结果显示与传统的SVM及AP—SVM分类器相比，本文的BAP—SVM能够得到更高质量的训练样本，从而得到更好的分类效果。
基于机器学习的HTTP视频业务分类
地质雷达数据中的灾害分类技术研究
基于改进AP-SVM算法的网络业务流分类
