Paper Reading: CNN-LSTM Hybrid Network for Traffic Classification

文献信息

属性	内容
序号	35
标题	Traffic Classification Based on CNN-LSTM Hybrid Network
年份	2022
期刊	Springer

---

1. 研究背景

1.1 问题

• 流量分类需要时空特征
• CNN 提取局部空间特征
• LSTM 建模时序依赖

1.2 挑战

• 单模型难以捕获双重特征
• 流量数据高维复杂

---

2. 方法论

2.1 CNN-LSTM 架构

流量序列
    │
    ▼
CNN 卷积层
├── 1D 卷积
├── 池化层
└── 局部特征
    │
    ▼
Reshape
    │
    ▼
LSTM 层
├── 双层 LSTM
├── 时序依赖
└── 上下文建模
    │
    ▼
全连接 + Softmax
    │
    ▼
分类结果

2.2 核心思想

• CNN 提取包级别的局部模式
• LSTM 捕获流级别的时序关系
• 双重特征融合

---

3. 主要贡献

1. 时空特征联合学习
2. 端到端训练
3. 适用于多种流量分类任务

---

4. 结论

CNN-LSTM 混合网络有效结合空间和时间特征，提升分类准确率。

---

阅读时间: 2026-04-17