《表2 基于约减的SVM算法对不同数据量的约减率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于层次聚类方法的流量异常检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

之所以使用7种算法来进行检测，是因为不同机器学习算法对于流量数据处理场景的适用程度不同．SVM的检测结果最好，意味着其更加适用于异常流量检测的分类场景．因此，本文使用SVM算法对不同数量的流量数据进行检测，其中，对10万、20万、30万、40万、50万条流量数据的约减效果如表2所示．由表2可知，数据约减率呈现为先上升后下降的趋势，当流量数据为20万条时，数据约减量达到峰值，约减率为47.58%．因此，基于层次聚类的流量异常检测模型的最佳数据量处理切片为20万条．对于新的需预测的流量数据，以20万条数据量作为划分区间，将其划分为多段流量信息，再使用基于层次聚类的流量异常检测模型进行检测，能够在保留较高精准率的情况下，提升召回率，达到最好的约减效果．