【globalcom2017】Traffic Classification of Mobile Apps through
【Motivation】
- 一个角度比较好的可以用的motivation,提到了一些检测流量的工具因为暴涨的手机应用而在流量分析和分类方面受到了限制。
【主要工作内容】
手机流量行为细分
【一些小收获】
- 提到了一个小创新点;先用简单分类算法,如K-Means进行基本行为发现,再用较复杂的分类算法,如SVC进行活动-行为的二元映射,该思路可以使分类器的可解释性增强,且由于不直接对SVC进行训练,在达到相近分类效果的基础上节省了很多训练开销。思考:是否能够多方考虑各类分类器的优缺点,找到互补的两种分类方法,以达到最好的分类效果?
- 该文章的贡献之一是证明了MCS这种方法在针对手机流量分类中是可行的,因此在算法融合方面,未来有希望继续发展。论文并不一定非要自己提出多新颖的东西,能够在前人工作的基础上取得一点点小的进展也很不错。
- 文章在实验部分一一列举了使用的分类器,并对原理和为什么选择该方法做了简要介绍。参数选择上,都选择了和所参考文献相同的参数,以方便进行后续的比对。