| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 网络流量分类技术研究现状 | 第15-17页 |
| 1.2.2 类不平衡数据集分类研究现状 | 第17-20页 |
| 1.3 论文研究内容 | 第20页 |
| 1.4 论文结构安排 | 第20-22页 |
| 第二章 网络流量的类不平衡特性 | 第22-38页 |
| 2.1 网络流量的表象不平衡分析 | 第22-25页 |
| 2.1.1 流数目不平衡特性 | 第22-24页 |
| 2.1.2 字节不平衡特性 | 第24-25页 |
| 2.2 网络流量的内在不平衡分析 | 第25-28页 |
| 2.3 类不平衡特性对网络流量分类影响 | 第28-36页 |
| 2.3.1 重采样与集成学习算法 | 第28-29页 |
| 2.3.2 网络流量分类评估指标 | 第29-30页 |
| 2.3.3 共享的网络流量数据集 | 第30-33页 |
| 2.3.4 网络流量分类性能比较 | 第33-34页 |
| 2.3.5 类不平衡特性与网络流量分类的关系 | 第34-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 面向不平衡网络流量的启发式多类混合采样算法 | 第38-49页 |
| 3.1 启发式多类混合采样算法HMMS设计 | 第38-42页 |
| 3.1.1 采样策略 | 第38-39页 |
| 3.1.2 算法具体描述 | 第39-42页 |
| 3.2 实验与分析 | 第42-48页 |
| 3.2.1 实验数据 | 第42-43页 |
| 3.2.2 特征的选取 | 第43-44页 |
| 3.2.3 实验结果比较与分析 | 第44-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 面向不平衡网络流量的集成学习算法设计 | 第49-66页 |
| 4.1 基于样本权重的随机平衡重采样策略RBWS设计 | 第49-51页 |
| 4.2 RBWS-ADAM2集成学习算法设计 | 第51-54页 |
| 4.3 实验与分析 | 第54-65页 |
| 4.3.1 实验设置 | 第54-55页 |
| 4.3.2 实验结果比较与分析 | 第55-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 基于RBWS-ADAM2的网络流量分类系统 | 第66-73页 |
| 5.1 系统设计思路 | 第66-67页 |
| 5.2 软件实现与验证 | 第67-72页 |
| 5.2.1 系统测试环境 | 第67-68页 |
| 5.2.2 系统运行过程 | 第68-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第78-79页 |
