首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信网论文--专用通信网论文--电力通信网论文

基于支持向量机的电力通信网络流量分类技术研究

摘要第5-6页
Abstract第6页
缩略语第9-10页
第一章 绪论第10-16页
    1.1 课题背景及研究意义第10-11页
    1.2 流量分类方法研究现状第11-14页
        1.2.1 基于端口的流量分类方法第11-12页
        1.2.2 基于载荷特征的流量分类方法第12-13页
        1.2.3 基于机器学习的流量分类第13-14页
    1.3 论文主要研究内容第14页
    1.4 文章的主要章节安排第14-16页
第二章 支持向量机基本理论第16-26页
    2.1 支持向量机分类第16-21页
        2.1.1 最优分类超平面第16-19页
        2.1.2 非线性支持向量机第19-21页
    2.2 多类支持向量机分类第21-24页
        2.2.1 一对一方法第21-22页
        2.2.2 一对多方法第22-23页
        2.2.3 有向无环图方法第23-24页
    2.3 本章小结第24-26页
第三章 基于核极化的特征权重算法第26-38页
    3.1 特征选择方法第26-27页
    3.2 特征权重算法第27-28页
    3.3 基于核极化的特征权重算法第28-32页
        3.3.1 基本原理第28-30页
        3.3.2 多类SVM特征权重算法第30-31页
        3.3.3 算法实现第31-32页
    3.4 仿真实验第32-35页
        3.4.1 数据集说明第33页
        3.4.2 实验方法第33-34页
        3.4.3 实验结果及分析第34-35页
    3.5 本章小结第35-38页
第四章 基于模糊判决策略的DAG-SVM算法第38-46页
    4.1 模糊判决策略第38-39页
    4.2 基于模糊判决策略的DAG-SVM算法第39-43页
        4.2.1 基本原理第39-41页
        4.2.2 实现方法第41-43页
    4.3 仿真实验第43-45页
        4.3.1 数据集说明第43页
        4.3.2 实验方法第43-44页
        4.3.3 实验结果及分析第44-45页
    4.4 本章小结第45-46页
第五章 基于支持向量机的流量分类算法第46-58页
    5.1 实验基本数据说明第46-47页
    5.2 特征权重算法应用第47-52页
        5.2.1 实验方法第48页
        5.2.2 实验结果分析第48-52页
    5.3 改进DAG-SVM算法在流量分类中的应用第52-57页
        5.3.1 实验方法第52-53页
        5.3.2 实验结果分析第53-57页
    5.4 本章小结第57-58页
第六章 总结与展望第58-60页
    6.1 研究工作总结第58页
    6.2 进一步工作展望第58-60页
致谢第60-62页
参考文献第62-66页
攻读硕士学位期间的研究成果第66页

论文共66页,点击 下载论文
上一篇:基于多目标决策的异构网络双向资源重配置算法
下一篇:混沌掩盖通信在IPTV系统中的应用研究