目前关于流识别与分类的主流技术是基于统计学方法，其核心环节是提取有效的特征属性集，但这种方法的假设条件是，特征互不相关、数据也互不相关。正因为这种假设的不合理性，使得分类效果和识别性能有限，引入以数据相关性为核心的多重分形理论，从根本上摈弃独立假设的局限性与狭隘性，实现流的有效分类。为此，定义并论证流的分形谱，在此基础上推导流的估计谱，然后在定义的核域内基于灰色关联度进行估计谱分析，继而脱离特征提取过程实现流的分类识别。最后通过系列实验显示流的分形性和分形谱，并进行实际分类效果的纵向比较和横向比较。研究结果表明，基于多重分形理论的流分类识别方法，有效弥补了统计学方法所不可避免的独立假设缺陷，因