[发明专利]基于主成分分析和线性判别分析的网络流量特征提取方法

权利要求书

1.基于主成分分析和线性判别分析的网络流量特征提取方法，其特征在于，包括以下步骤：

1)采用主成分分析法构造包含判别信息的投影矩阵W_PCA；

2)将数据集X投影到特征矩阵W_PCA，删除冗余特征不相关特征，得到特征集Y；

3)采用线性判别分析构造特征矩阵W_LDA；

4)通过投影矩阵W_LDA将特征集Y转换到特征空间W_LDA，得到特征集Z。

2.根据权利要求1所述的基于主成分分析和线性判别分析的网络流量特征提取方法，其特征在于，步骤1)的具体过程如下：

a)将一条具有n个属性的数据流表示为大小为1×n的向量，全部的m条数据流构成大小为m×n的数据集X；

b)按照下列公式计算数据集X的协方差矩阵C；

φ＝x_i-μ (2)

A＝[φ₁，...，φ_m]^T (3)

其中，μ表示整个数据集的平均值，是每条数据和平均值的差值，A为差别矩阵，C为协方差矩阵；

c)计算协方差矩阵C的特征值和特征向量，并将特征值由大到小进行排序；

d)取前k个最大的特征值对应的特征向量构成投影矩阵W_PCA；其中，k为PCA特征空间中数据的维数。

3.根据权利要求2所述的基于主成分分析和线性判别分析的网络流量特征提取方法，其特征在于，步骤d)中，投影矩阵W_PCA＝[w₁，...，w_k]，其中，w₁为第一个最大的特征值对应的特征向量，w_k为第k个最大的特征值对应的特征向量。

4.根据权利要求2所述的基于主成分分析和线性判别分析的网络流量特征提取方法，其特征在于，步骤d)中，投影矩阵W_PCA中数据的维数为225。

5.根据权利要求2所述的基于主成分分析和线性判别分析的网络流量特征提取方法，其特征在于，步骤a)中，m的值为377526，n的值为248。

6.根据权利要求1所述的基于主成分分析和线性判别分析的网络流量特征提取方法，其特征在于，步骤2)中，特征集Y如下：

Y＝W_PCAT^X (5)。

7.根据权利要求1所述的基于主成分分析和线性判别分析的网络流量特征提取方法，其特征在于，步骤3)的具体过程如下：

3.1)计算特征集Y的类内离散度矩阵S_w和类间离散度矩阵S_b；

其中，i表示类别编号，N表示总类别数，y_i表示经PCA变换后的每条流量数据，μ_i表示第i类的均值向量，m_i表示第i类样本的数量，μ表示总均值向量；

3.2)利用广义瑞利商计算S_w^-1S_b的特征值和特征向量；

其中，ω表示为LDA特征空间的基向量，J(ω)表示广义瑞利商；

3.3)将特征值由大到小进行排序，取前p个最大的特征值对应的特征向量构成投影矩阵W_LDA；其中，p为LDA特征空间中数据的维数。