基于神经网络的网络流量分类方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·网络流量分类方法研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·基于端口号匹配的分类方法 | 第9页 |
| ·基于特征字段识别的分类方法 | 第9页 |
| ·基于传输层行为的分类方法 | 第9-10页 |
| ·基于流统计特征的分类方法 | 第10页 |
| ·流量分类方法比较 | 第10-11页 |
| ·论文的研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 基于流统计特征的网络流量分类方法 | 第13-21页 |
| ·网络流量分类模型 | 第13-15页 |
| ·流量分类方法 | 第15-18页 |
| ·贝叶斯方法 | 第15-16页 |
| ·支持向量机 | 第16-17页 |
| ·C4.5 | 第17页 |
| ·K-means | 第17-18页 |
| ·其他分类方法 | 第18页 |
| ·基于神经网络的流量分类方法 | 第18-20页 |
| ·神经网络方法 | 第18-19页 |
| ·神经网络方法特点 | 第19-20页 |
| ·用于流量分类的神经网络方法 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 GA-LM 网络流量分类方法 | 第21-31页 |
| ·BP 算法 | 第21-23页 |
| ·标准BP 算法 | 第21-23页 |
| ·BP 算法特点 | 第23页 |
| ·基于遗传算法的LM 方法 | 第23-27页 |
| ·LM 算法 | 第23-24页 |
| ·遗传算法 | 第24-26页 |
| ·GA-LM 流量分类方法 | 第26-27页 |
| ·GA-LM 流量分类方法的实现 | 第27-30页 |
| ·实验环境 | 第27-28页 |
| ·仿真结果与分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 改进的 SOM 网络流量分类方法 | 第31-44页 |
| ·自组织映射方法 | 第31-34页 |
| ·SOM 网络描述 | 第31-32页 |
| ·SOM 网络学习算法 | 第32-33页 |
| ·SOM 网络性能评价指标 | 第33-34页 |
| ·基于有监督的SOM 网络流量方法 | 第34-38页 |
| ·有监督的SOM 算法描述 | 第34-35页 |
| ·SSOM 网络流分类方法实现 | 第35页 |
| ·仿真结果与分析 | 第35-38页 |
| ·基于核函数的SOM 网络流量分类方法 | 第38-43页 |
| ·基于核的SOM 方法 | 第38-40页 |
| ·仿真实验环境 | 第40页 |
| ·实验结果分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于 KSOM 的网络流量分类模型 | 第44-58页 |
| ·总体设计 | 第44页 |
| ·设计思想 | 第44页 |
| ·整体结构 | 第44页 |
| ·详细设计 | 第44-55页 |
| ·数据库存取模块 | 第44-45页 |
| ·数据包捕获模块 | 第45-49页 |
| ·流样本形成模块 | 第49-53页 |
| ·流量分类模块 | 第53-54页 |
| ·分类结果输出模块 | 第54-55页 |
| ·模型分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 作者在攻读硕士期间主要研究成果 | 第67页 |
