SeLeCT：Self-Learning Classifier for Internet Traffic

4.实验结果

A、实验数据集

B、性能评估

用2个度量准则对聚类迭代算法的输出进行评估，聚类的个数以及被聚类流的百分比。

用混淆矩阵对分类结果进行说明，混淆矩阵的每一行的代表分类的实际结果，每一列代表实际的分类结果。对性能进行评估时，采用以下三个度量标准：总体精度，召回，精度。

总体精度并不能完全评估分类的能力，如果一个trace里面有90%的流为HTTP，讲所有的流都归为HTTP，其总体精度也将达到90%。

召回是针对每一个具体的来来说，上面的例子中，除了HTTP外，其它召回率均为0。

精度的结果同上。

%%%%%%%%%%%%%%说明%%%%%%%%%%%%%%

假定：从一个大规模数据集合中检索文档的时，可把文档分成四组：

- 系统检索到的相关文档（A）

- 系统检索到的不相关文档（B）

- 相关但是系统没有检索到的文档（C）

- 不相关且没有被系统检索到的文档（D）

则：

- 召回率R：用检索到相关文档数作为分子，所有相关文档总数作为分母，即R = A / ( A + C )

- 精度P：用检索到相关文档数作为分子，所有检索到的文档总数作为分母．即P = A / ( A + B ).

%%%%%%%%%%%%%%说明%%%%%%%%%%%%%%

文中其它参数的设置如下:

批处理包的大小为10000；种子个数为8000，聚类中流的阈值为20，迭代次数为3，迭代次数小于3时端口过滤阈值为0.5，最终端口过滤阈值为0.2，聚类算法中，K=100，总的迭代步数小于1000000，独立执行10次，选择均方误差最小的值作为聚类结果。