三种神经网络识别P2P流量的方法比较
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·研究目的及意义 | 第9页 |
| ·研究内容 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 2 P2P 流量识别技术概述 | 第11-22页 |
| ·P2P 技术概述 | 第11-15页 |
| ·P2P 定义及特点 | 第11-12页 |
| ·P2P 网络结构 | 第12-15页 |
| ·P2P 流量识别的困难 | 第15页 |
| ·典型的P2P 流量识别技术 | 第15-19页 |
| ·端口法 | 第16页 |
| ·深层数据包检测技术（DPI） | 第16-18页 |
| ·基于流特征的识别技术 | 第18-19页 |
| ·目前常用的流量控制策略 | 第19页 |
| ·基于神经网络的流量识别技术 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 3 P2P 协议分析及流量特征 | 第22-32页 |
| ·P2P 流媒体的启动过程 | 第22-28页 |
| ·PPLive 协议分析 | 第23-27页 |
| ·PPStream 协议分析 | 第27-28页 |
| ·P2P 流量特征 | 第28-31页 |
| ·P2P 流量特征总结 | 第29-31页 |
| ·流量特征选择 | 第31页 |
| ·本章小结 | 第31-32页 |
| 4 三种典型神经网络 | 第32-44页 |
| ·BP 神经网络 | 第32-35页 |
| ·BP 神经网络结构 | 第32-33页 |
| ·BP 学习算法 | 第33-34页 |
| ·BP 算法的优缺点 | 第34-35页 |
| ·LVQ 神经网络 | 第35-38页 |
| ·LVQ 网络结构与工作原理 | 第35-36页 |
| ·LVQ 网络的学习算法 | 第36-38页 |
| ·LVQ 神经网络的优缺点 | 第38页 |
| ·FUZZY ARPMAP 神经网络 | 第38-43页 |
| ·自适应共振理论ART | 第38-41页 |
| ·FUZZY ARTMAP 神经网络结构与原理 | 第41-42页 |
| ·FUZZY ARTMAP 神经网络算法 | 第42-43页 |
| ·FUZZY ARTMAP 神经网络的优缺点 | 第43页 |
| ·本章小结 | 第43-44页 |
| 5 基于神经网络的 P2P 流量识别方法比较 | 第44-59页 |
| ·基于神经网络的流量识别流程 | 第44-45页 |
| ·三种神经网络识别方法比较 | 第45-53页 |
| ·BP 神经网络识别过程 | 第45-48页 |
| ·LVQ 神经网络识别过程 | 第48-49页 |
| ·FUZZY ARTMAP 神经网络识别过程 | 第49-51页 |
| ·识别结果比较 | 第51-53页 |
| ·方案优化 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录 | 第63页 |
| A. 作者在攻读学位期间发表的论文目录 | 第63页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第63页 |
