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。

简介：一个好的核函数能提升机器学习模型的有效性,但核函数的选择并不容易,其与问题背景密切相关,且依赖于领域知识和经验。核学习是一种通过训练数据集寻找最优核函数的机器学习方法,能通过有监督学习的方式寻找到一组基核函数的最优加权组合。考虑到训练数据集获取标签的代价,提出一种基于标签传播的半监督核学习方法,该方法能够同时利用有标签数据和无标签数据进行核学习,通过半监督学习中被广泛使用的标签传播方法结合和谐函数获得数据集统一的标签分布。在UCI数据集上对提出的算法进行性能评估,结果表明该方法是有效的。