一种基于混合高斯的SDN流聚类方法

摘要

本发明涉及一种基于混合高斯的SDN流聚类方法，通过对基本高斯混合模型算法进行了改进，引入流的边信息，构造基于边信息等价集约束的高斯混合模型，提高聚类效果，并将其运用到SDN数据流聚类中。本发明使得聚类结果的准确度和聚类速度得到很大的提升。

主权项

一种基于混合高斯的SDN流聚类方法，其特征在于包括以下步骤；步骤S1：对原始SDN数据进行五元组记录，并且采用KMeans聚类算法，完成SND数据流与用户之间的映射关系；步骤S2：利用高斯混合模型GMM以及公式对SDN数据流的概率密度分布进行估计，其中K为高斯模型的个数，a_i为第i个高斯模型的权重，p_i(x|θ_i)为第i个高斯模型的概率密度函数，所述p_i(x|θ_i)的均值为μ_k，方差为σ^k；θ_i＝(μ_i,Σ_i)，μ_i，Σ_i为待求解的数据生成模型的参数；步骤S3：采用流持续时间、数据包数量、流大小、数据包大小、数据包间隔时间作为SDN流向量属性，通过边信息获得SDN流等价集；步骤S4：对高斯混合模型GMM的数据生成模型进行调整；步骤S5：采用must‑link成对点约束和cannot‑link成对点约束来辅助聚类。