基于SVM的网络视频流特征分析与分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 工作概述和安排 | 第11-13页 |
| 第二章 支持向量机相关理论简介 | 第13-23页 |
| 2.1 引言 | 第13页 |
| 2.2 二分类 SVM | 第13-16页 |
| 2.2.1 线性可分支持向量机 | 第13-15页 |
| 2.2.2 线性不可分支持向量机 | 第15-16页 |
| 2.2.3 非线性支持向量机 | 第16页 |
| 2.3 SVM 多分类算法 | 第16-22页 |
| 2.3.1 一对多方法 | 第17页 |
| 2.3.2 一对一方法 | 第17-18页 |
| 2.3.3 有向无环图 | 第18-20页 |
| 2.3.4 基于决策树的 SVM 多分类算法 | 第20-21页 |
| 2.3.5 纠错输出编码 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 业务流特征分析 | 第23-58页 |
| 3.1 引言 | 第23-24页 |
| 3.2 包大小 | 第24-36页 |
| 3.3 IP 的交替 | 第36-37页 |
| 3.4 速率 | 第37-46页 |
| 3.5 上行流和下行流的字节数的比例 | 第46-52页 |
| 3.6 子流片段的数目 | 第52-53页 |
| 3.7 包到达时间间隔 | 第53-57页 |
| 3.8 本章小结 | 第57-58页 |
| 第四章 特征选取与仿真实验 | 第58-67页 |
| 4.1 实验流程 | 第58-60页 |
| 4.2 工具介绍 | 第60-62页 |
| 4.2.1 wireshak、gawk 介绍 | 第60-61页 |
| 4.2.2 Libsvm 工具包 | 第61-62页 |
| 4.3 分类效果的衡量标准 | 第62-63页 |
| 4.4 特征选取与实验结果 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 本文总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 致谢 | 第72页 |
