基于机器学习的数据碎片类型识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 文件类型识别技术研究现状 | 第10-11页 |
| 1.2.2 数据和文件碎片类型识别技术研究现状 | 第11-12页 |
| 1.2.3 目前存在的问题 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 数据碎片类型识别方法综述 | 第15-31页 |
| 2.1 基于相似度度量的方法 | 第15-18页 |
| 2.1.1 基于相似度度量的方法概述 | 第15-16页 |
| 2.1.2 常见相似性度量方法 | 第16-18页 |
| 2.2 基于机器学习的方法 | 第18-27页 |
| 2.2.1 基于机器学习的方法概述 | 第18页 |
| 2.2.2 常用的碎片分类特征 | 第18-22页 |
| 2.2.3 常用的机器学习算法 | 第22-27页 |
| 2.3 其它方法 | 第27-28页 |
| 2.3.1 基于图像分类的方法 | 第27-28页 |
| 2.3.2 基于文件结构特征的方法 | 第28页 |
| 2.4 本章小结 | 第28-31页 |
| 第3章 基于机器学习的数据碎片类型识别技术 | 第31-51页 |
| 3.1 基本概念 | 第31-33页 |
| 3.1.1 文件类型 | 第31-32页 |
| 3.1.2 数据类型 | 第32-33页 |
| 3.1.3 数据碎片识别问题重定义 | 第33页 |
| 3.2 基于机器学习的数据类型识别方法步骤 | 第33-38页 |
| 3.2.1 数据集构建 | 第35-36页 |
| 3.2.2 特征提取 | 第36页 |
| 3.2.3 分类器构建 | 第36-37页 |
| 3.2.4 分类效果检验 | 第37-38页 |
| 3.3 对比实验设计 | 第38-42页 |
| 3.3.1 文件类型与数据类型的选取 | 第38-39页 |
| 3.3.2 实验过程设计 | 第39-42页 |
| 3.4 实验结果及分析 | 第42-48页 |
| 3.4.1 SVM 算法不同核函数结果比较 | 第42-45页 |
| 3.4.2 几种机器学习算法的结果对比 | 第45-46页 |
| 3.4.3 与使用文件类型方法的结果对比 | 第46-48页 |
| 3.5 讨论 | 第48-49页 |
| 3.5.1 jpg 数据碎片识别 | 第48页 |
| 3.5.2 deflate 数据类型识别 | 第48-49页 |
| 3.5.3 复合文档碎片识别 | 第49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 本文方法在 PPT 文件碎片识别中的应用 | 第51-61页 |
| 4.1 PPT 文件碎片难以识别的原因 | 第51-54页 |
| 4.1.1 PPT 文件格式 | 第51-53页 |
| 4.1.2 PPT 文件碎片难以识别的原因 | 第53-54页 |
| 4.2 依据数据类型的 PPT 碎片识别方法 | 第54-57页 |
| 4.2.1 依据数据类型的方法简介 | 第54-55页 |
| 4.2.2 数据类型的选取和数据集构建 | 第55-57页 |
| 4.2.3 特征选取和机器学习算法选取 | 第57页 |
| 4.3 实验结果及分析 | 第57-60页 |
| 4.3.1 实验结果 | 第57-59页 |
| 4.3.2 与依据文件类型的方法对比 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 研究工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71-72页 |
| 详细摘要 | 第72-74页 |
