互联网流量识别技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-33页 |
| ·研究背景及意义 | 第11-20页 |
| ·当前互联网业务发展概述 | 第11-12页 |
| ·下一代互联网流量识别问题 | 第12-13页 |
| ·互联网流量识别系统功能 | 第13-14页 |
| ·互联网流量识别技术概述 | 第14-20页 |
| ·流量识别相关技术国内外研究现状 | 第20-25页 |
| ·互联网流量识别技术国内外研究现状 | 第20-22页 |
| ·互联网流量特征自动提取方法研究现状 | 第22-25页 |
| ·互联网流量识别技术在下一代网络中的应用 | 第25-27页 |
| ·研究内容与创新 | 第27-29页 |
| ·论文内容安排 | 第29-31页 |
| 参考文献 | 第31-33页 |
| 第二章 互联网流量基准集以及通用识别框架研究 | 第33-43页 |
| ·引言 | 第33页 |
| ·统一客观的互联网流量基准集研究 | 第33-39页 |
| ·已有的互联网流量基准集研究 | 第33-34页 |
| ·互联网流量基准集框架 | 第34-39页 |
| ·基于基准集的通用流量识别框架研究 | 第39-41页 |
| ·已有的通用流量识别框架研究 | 第39-40页 |
| ·基于基准集的流量识别框架 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 参考文献 | 第42-43页 |
| 第三章 基于流数据挖掘的互联网流量识别方法 | 第43-65页 |
| ·引言 | 第43页 |
| ·基于VFDT的互联网流量识别算法 | 第43-48页 |
| ·Hoeffding约束 | 第44页 |
| ·VFDT树算法 | 第44-48页 |
| ·基于增量集成器的互联网流量实时识别算法 | 第48-53页 |
| ·互联网流量概念漂移检测研究 | 第48-50页 |
| ·基于集成分类器的互联网流量识别算法 | 第50-53页 |
| ·基于集成分类器的实时流量识别系统 | 第53-54页 |
| ·分析验证 | 第54-61页 |
| ·实验环境 | 第54页 |
| ·数据源 | 第54-55页 |
| ·属性选择 | 第55-56页 |
| ·分类粒度 | 第56-57页 |
| ·实验结果分析 | 第57-61页 |
| ·本章小结 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 第四章 互联网流量特征提取的核心算法研究 | 第65-83页 |
| ·引言 | 第65页 |
| ·互联网流量特征提取算法思想 | 第65-66页 |
| ·互联网流量特征提取核心算法 | 第66-71页 |
| ·基于多序列比对的特征提取算法 | 第66-69页 |
| ·基于Token的特征提取算法 | 第69-71页 |
| ·互联网流量特征提取核心算法的实现 | 第71-73页 |
| ·分析与验证 | 第73-79页 |
| ·本章小结 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 第五章 互联网流量特征提取框架以及特征管理研究 | 第83-101页 |
| ·引言 | 第83页 |
| ·互联网流量特征管理算法思想 | 第83-84页 |
| ·FlowAntEater特征自动提取框架 | 第84-91页 |
| ·FlowAntEater特征自动提取框架概述 | 第84-86页 |
| ·前处理算法：纯净数据样本的获取、选择与提纯 | 第86-89页 |
| ·后处理算法：基于N叉树的特征管理与特征选择算法 | 第89-91页 |
| ·分析与验证 | 第91-98页 |
| ·实验环境搭建 | 第91-92页 |
| ·前处理算法分析与实验 | 第92-96页 |
| ·后处理算法分析与实验 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 参考文献 | 第99-101页 |
| 第六章 结束语 | 第101-105页 |
| ·全文总结 | 第101-103页 |
| ·研究展望 | 第103-105页 |
| 缩略语 | 第105-107页 |
| 致谢 | 第107-109页 |
| 攻读学位期间发表的学术著作 | 第109-111页 |
| 攻读学位期间参与的科研工作 | 第111页 |
