针对网络流量分类识别系统尤其是实时识别系统对实现复杂度和分类准确率的要求，提出一种复杂度和准确率的折中方案。通过基于密度的思想对K-means算法随机选取初始聚类中心这一关键缺陷进行改进，以及引入聚类有效性判别准则函数确定最终聚类个数实现对算法的全面优化，进而提出基于改进K-means算法的网络流量分类方法，在兼顾K-means算法简单易实现、分类快速特点的同时，提高了分类的准确率。在公开的权威网络流量数据集上的实验表明，与普通K-means方法相比，该方法在网络流量分类方面具有更高的分类准确率

针对互联网中存在的大量未知协议导致网络管理和维护网络安全十分困难的问题，提出了一种未知协议的分类识别方法。结合自编码器技术和改进的K-means聚类技术针对网络流量实现了未知协议的分类识别。利用自编码器对网络流量进行降维和特征提取，使用聚类技术对降维后数据进行无监督的分类，最终实现对网络流量的无监督识别分类。实验结果表明，所提方法分类效果优于传统的 K-means、DBSCAN、GMM 算法，且具有更高的效率。