首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于SVM特征选择算法的对等网络流量识别应用研究

摘要第1-5页
Abstract第5-6页
目录第6-8页
第1章 引言第8-20页
   ·课题研究背景与意义第8-13页
     ·P2P 理念及起源第9-10页
     ·P2P 网络技术的特性第10-12页
     ·P2P 技术产生的安全问题第12-13页
   ·国内外研究现状第13-17页
   ·研究思路第17-19页
   ·论文章节安排第19-20页
第2章 SVM 核函数选择及小波核函数第20-29页
   ·SVM 简介第20-24页
     ·SVM 设计思想第20-21页
     ·SVM 训练算法第21-22页
     ·SVM 分类模型第22-23页
     ·SVM 反馈增量学习第23-24页
   ·SVM 算法的核函数选择第24-26页
     ·核函数选择第24-25页
     ·RBF 核函数第25-26页
   ·基于小波核函数的 SVM 算法第26-27页
   ·本章小结第27-29页
第3章 基于 SVM 的在线 DFI 模型及流量特征选择第29-42页
   ·基于 SVM 的 DFI 在线流量识别模型第29-32页
     ·SVM 算法在 P2P 流量识别中的应用现状第29-30页
     ·基于 SVM 的 DFI 流量识别模型第30-32页
   ·网络流量特征选择第32-37页
     ·P2P 流量特征提取和选择第32-34页
     ·基于 IP 和 IP-Port 的 P2P 流量模式第34-37页
   ·SVM 类封装部分代码第37-40页
   ·本章小结第40-42页
第4章 测试结果分析第42-54页
   ·测试环境第42-43页
   ·抓包绘图测试第43-44页
   ·SVM 测试第44-45页
   ·测试结果分析第45-53页
     ·IP 模式测试第46-49页
     ·IP-Port 模式测试第49-51页
     ·IP 模式对比 IP-Port 模式第51-52页
     ·IP 和 IP-Port 协同模式测试第52-53页
   ·本章小结第53-54页
第5章 总结与展望第54-56页
中外文参考文献第56-60页
致谢第60页

论文共60页,点击 下载论文
上一篇:网页中交互设计的应用研究
下一篇:基于复杂适应系统的网络群体性事件仿真研究