网络流量分类及其算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-15页 |
| ·课题研究的来源及目的 | 第12页 |
| ·课题的意义 | 第12-13页 |
| ·国内外研究现状 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的章节安排 | 第14-15页 |
| 第二章 网络流量分类问题的研究 | 第15-22页 |
| ·网络流量分类 | 第15-16页 |
| ·流量的定义 | 第15-16页 |
| ·流量分类的定义 | 第16页 |
| ·流量分类方法 | 第16-20页 |
| ·基于端口的识别 | 第16-17页 |
| ·基于特征码的识别 | 第17-18页 |
| ·BLINC 识别 | 第18-19页 |
| ·基于统计特征的识别 | 第19-20页 |
| ·流分类方法的比较 | 第20-22页 |
| 第三章 基于统计特征的流量分类算法的研究 | 第22-33页 |
| ·流量的属性 | 第22-23页 |
| ·流量分类算法研究 | 第23-28页 |
| ·贝叶斯算法 | 第24-26页 |
| ·EM 算法 | 第26-27页 |
| ·k-means 算法 | 第27-28页 |
| ·自组织映射网络算法 | 第28-33页 |
| ·SOM 是一种神经网络算法 | 第29-30页 |
| ·神经网络模型 | 第29-30页 |
| ·神经网络信息处理能力 | 第30页 |
| ·神经网络的应用 | 第30页 |
| ·SOM 算法 | 第30-33页 |
| ·SOM 与其它神经网络算法的区别 | 第30-31页 |
| ·SOM 算法描述 | 第31-33页 |
| 第四章 基于 SOM 的流量分类模型研究 | 第33-41页 |
| ·基于 SOM 流量分类模型 | 第33页 |
| ·流量属性 | 第33-37页 |
| ·选取流量属性 | 第33-36页 |
| ·网络状况对流量属性的影响 | 第36-37页 |
| ·SOM 应用于流量分类的学习过程 | 第37-40页 |
| ·SOM 的训练过程 | 第37-39页 |
| ·训练结果所表现出来的特征 | 第39-40页 |
| ·基于 SOM 流量分类模型的特点 | 第40-41页 |
| 第五章 流量分类模型的设计与实现 | 第41-55页 |
| ·流量分析模型的总体设计 | 第41-42页 |
| ·搭建实验环境 | 第41页 |
| ·流量抓取 | 第41-42页 |
| ·流量整合 | 第42页 |
| ·SOM 聚类学习 | 第42页 |
| ·流量分析 | 第42页 |
| ·功能模块的详细设计 | 第42-53页 |
| ·流量抓取模块 | 第42-46页 |
| ·流量整合模块 | 第46-49页 |
| ·SOM 聚类学习过程 | 第49-52页 |
| ·流量分析 | 第52-53页 |
| ·模型的性能分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第六章 总结 | 第55-57页 |
| ·流量分类模型系统的总结 | 第55-56页 |
| ·进一步的工作 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 论文发表情况 | 第61页 |
