مریم نوحانی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اراک، گروه تحصیلات تکمیلی کامپیوتر، دانشکده فنی مهندسی، اراک، ایران
جواد اکبری ترکستانی - استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد اراک، گروه تحصیلات تکمیلی کامپیوتر، دانشکده فنی مهندسی، اراک، ایران

امروزه با توجه به استفادهی روزافزون از شبکهی اینترنت و استفاده از برنامه های کاربردی تحت شبکه، نیاز به استفاده از یک روش مؤثر با دقت بالا برای طبقه بندی ترافیک شبکه که سهم بسزایی در بهبود مدیریت پهنای باند شبکه و افزایش امنیت آن دارد،اهمیت بیشتری پیدا میکند. هدف این مقاله ارائه یک الگوی جدید طبقهبندی ترافیک شبکه اینترنت با دقت بالا با استفاده از تکنیک یادگیری ماشین است بطوریکه دقت طبقهبندی را در کلاسهای اقلیت افزایش دهد. به همین منظور در ابتدا ویژگی هبای مجموعه داده انتخابی توسط عملیات پیاپردازش با استفاده از یک روش استخراج ویژگی 1 بهینه کاها یافته و در ادامه عملیاتطبقهبندی با استفاده از یک طبقهبند ترکیبی انجام شده است. روش پیشنهادی بر روی مجموعهداده پیاده سازی شده و سیستمی بهینه با استفاده از طبقهبند ترکیبی بگینگ 2 با دقت 8989 % تولید کرده ابت. نتایح حا صل از ارزیابی روش پیشنهادی، نشان دهندهی برتری و افزایا دقت طبقهبندی با استفاده از روش ترکیبی نسبت به روشهای منفرد یادگیری ماشین است

طبقهبندی، ترافیک شبکه، طبقهبندی ترکیبی، بگینگ، یادگیری ماشین