| 目录 | 第4-6页 |
| 表目录 | 第6-7页 |
| 图目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.1.1 VoIP 的发展及其带来的问题 | 第11页 |
| 1.1.2 课题的目的和意义 | 第11-12页 |
| 1.2 相关技术研究现状 | 第12-14页 |
| 1.2.1 VoIP 流量识别技术研究现状 | 第12-13页 |
| 1.2.2 VoIP 网关节点识别技术研究现状 | 第13-14页 |
| 1.3 本文研究思路和结构安排 | 第14-17页 |
| 1.3.1 课题研究思路 | 第14-15页 |
| 1.3.2 文章结构安排 | 第15-17页 |
| 第二章 VoIP 基础知识和机器学习分类算法简介 | 第17-31页 |
| 2.1 VOIP 基础知识 | 第17-24页 |
| 2.1.1 VoIP 网络结构 | 第17-18页 |
| 2.1.2 VoIP 协议簇 | 第18页 |
| 2.1.3 VoIP 典型呼叫流程 | 第18-19页 |
| 2.1.4 VoIP 媒体承载协议 RTP | 第19-21页 |
| 2.1.5 VoIP 语音编码标准 | 第21-24页 |
| 2.2 常用于流量识别的机器学习算法 | 第24-30页 |
| 2.2.1 朴素贝叶斯 | 第24-25页 |
| 2.2.2 贝叶斯树 | 第25页 |
| 2.2.3 SVM | 第25-27页 |
| 2.2.4 C4.5 决策树 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于 C4.5 决策树的 VoIP 流量识别方法 | 第31-41页 |
| 3.1 VOIP 流量识别的特征分析和选取 | 第31-33页 |
| 3.1.1 VoIP 流量特点分析 | 第31页 |
| 3.1.2 识别特征的定义及选取 | 第31-33页 |
| 3.2 基于 C4.5 决策树的 VOIP 流量识别方法 | 第33-36页 |
| 3.2.1 数据预处理 | 第33-34页 |
| 3.2.2 C4.5 决策树分类模型的建立 | 第34-36页 |
| 3.3 实验分析 | 第36-40页 |
| 3.3.1 评价指标 | 第36页 |
| 3.3.2 实验数据 | 第36-37页 |
| 3.3.3 实验平台 | 第37-38页 |
| 3.3.4 分类算法性能测试 | 第38-39页 |
| 3.3.5 特征的性能测试 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于 SVM 的 VoIP 网关节点识别方法 | 第41-50页 |
| 4.1 VOIP 网关节点特征分析 | 第41-45页 |
| 4.1.1 VoIP 网关的业务特点分析 | 第41-43页 |
| 4.1.2 分类特征定义及选取 | 第43-45页 |
| 4.2 基于 SVM 的 VOIP 网关节点识别方法 | 第45-46页 |
| 4.2.1 SVM 核函数的选取 | 第45页 |
| 4.2.2 基于 SVM 的 VoIP 网关节点识别模型设计 | 第45-46页 |
| 4.3 实验分析 | 第46-49页 |
| 4.3.1 评价指标 | 第46页 |
| 4.3.2 实验数据 | 第46-47页 |
| 4.3.3 实验平台 | 第47页 |
| 4.3.4 实验项目及结果分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 VoIP 呼叫实时分拣子系统设计 | 第50-56页 |
| 5.1 分拣子系统在 VOIP 监管系统中的位置和作用 | 第50页 |
| 5.2 分拣子系统功能逻辑 | 第50-53页 |
| 5.3 新网关节点的查找流程 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 结束语 | 第56-58页 |
| 6.1 本文工作总结 | 第56页 |
| 6.2 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第61-62页 |
| 致谢 | 第62页 |
