基于概念漂移检测的自适应流量识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 互联网感知与流量识别 | 第8-9页 |
| 1.2 流量识别技术的发展状况和新挑战 | 第9-15页 |
| 1.2.1 面向数据包的流量识别 | 第9-11页 |
| 1.2.2 面向数据流的流量识别 | 第11-13页 |
| 1.2.3 流量识别面临的新挑战 | 第13-15页 |
| 1.3 论文的研究内容和组织结构 | 第15-17页 |
| 第2章 概念漂移检测的基本原理 | 第17-26页 |
| 2.1 概念与概念学习 | 第17-18页 |
| 2.2 概念漂移 | 第18-20页 |
| 2.2.1 概念漂移的定义 | 第18-19页 |
| 2.2.2 概念漂移的类型 | 第19-20页 |
| 2.2.3 流量识别中的概念漂移 | 第20页 |
| 2.3 概念漂移检测 | 第20-23页 |
| 2.3.1 直接和间接检测 | 第21-23页 |
| 2.3.2 性质法和性能法 | 第23页 |
| 2.4 集成分类器算法 | 第23-25页 |
| 2.4.1 集成分类步骤 | 第24页 |
| 2.4.2 典型集成分类 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 概念漂移检测的算法研究 | 第26-40页 |
| 3.1 基于误差率的概念漂移检测 | 第26-27页 |
| 3.1.1 误差率检验 | 第26-27页 |
| 3.1.2 局限性分析 | 第27页 |
| 3.2 基于统计学的概念漂移检测 | 第27-34页 |
| 3.2.1 检测原理 | 第28页 |
| 3.2.2 卡方检验 | 第28-31页 |
| 3.2.3 Fisher 检验 | 第31页 |
| 3.2.4 检验步骤 | 第31-32页 |
| 3.2.5 CF_CDD 检测算法设计与实验 | 第32-34页 |
| 3.3 机器学习算法的选择 | 第34-39页 |
| 3.3.1 流量识别算法 | 第34-36页 |
| 3.3.2 特征属性选择 | 第36-37页 |
| 3.3.3 算法比较测试 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于集成分类的自适应流量识别研究 | 第40-53页 |
| 4.1 窗口机制分析 | 第40-43页 |
| 4.1.1 滑动窗口 | 第40-41页 |
| 4.1.2 自适应窗口 | 第41-42页 |
| 4.1.3 选择集成窗口 | 第42-43页 |
| 4.2 漂移处理分析 | 第43-44页 |
| 4.3 自适应流量识别器的设计 | 第44-49页 |
| 4.3.1 基于权重的自适应流量识别 | 第44-45页 |
| 4.3.2 基于平均概率的自适应流量识别 | 第45-46页 |
| 4.3.3 基于集成分类的自适应流量识别 | 第46-49页 |
| 4.4 实验与分析 | 第49-52页 |
| 4.4.1 实验准备 | 第49-50页 |
| 4.4.2 实验结果与分析 | 第50-52页 |
| 4.5 本章小节 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
