سرور صلواتی - دانشکده مهندسی دانشگاه شهید چمران اهواز
علیرضا عصاره - دانشکده مهندسی دانشگاه شهید چمران اهواز
بیتا شادگار - دانشکده مهندسی دانشگاه شهید چمران اهواز

با افزایش سرعت خطوط ارتباطی و نیز مطرح شدن کیفیت سرویس‌های ارایه شده توسط شبکه، جدا کردن جریان‌های متمایز در مسیریاب‌‌های اینترنت به عنوان یکی از راهکارهای بالا بردن سرعت و کارایی مسیریاب‌ها همواره مورد توجه بوده است. برخی از خدمات در شبکه مانند عملیات امنیتی، مدیریت ترافیک جهت تأمین کیفیت سرویس‌دهی (QOS)، مسیریابی و شبکه‌های خصوصی نیاز به دسته‌بندی بسته‌ها دارد که در نتیجه سرعت و کیفیت سرویس‌دهی به کاربران افزایش می‌یابد. دسته‌بندی‌ داده‌ها عملی زمانبر است و زمانی که داده‌ها نامتوازن باشند دارای کارایی ضعیفی خواهد بود در این مقاله ابتدا الگوریتمی جهت انتخاب ویژگی‌های مناسب برای داده‌های نامتوزان اعمال می‌شود که تا حد زیادی دقت دسته‌بندی را افزایش خواهد داد سپس براساس الگوریتم‌های یادگیری ماشین داده‌ها با استفاده از یک معماری سه لایه از دسته‌بندی ترکیبی، دسته‌بندی خواهند شد.

داده‌های نامتوازن، دسته‌بندی کننده‌های ترکیبیع بگینگ، بوستینگ، جنگل چرخشی