关于流识别与分类，目前主流的技术是基于统计学方法，核心环节是提取有效的特征属性集。这种方法的假设条件是，特征不相关，数据不相关。正因为这种假设的不合理性，使得分类效果有限。虽然已经有很多研究在集中解决特征相关性问题，但数据相关性却难以突破。因此引入流量分形理论，该理论建立在数据相关性基础之上。通过对原有理论进行必要的修改、调整以适用于流的分类识别，并用理论证明验证其有效性，最后通过系列实验体现该方法在粗粒度分类、未知流分类等方面的实际效果。