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 |
