首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

不平衡网络流量分类方法研究

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

论文共79页,点击 下载论文
上一篇:基于步态压力数据的帕金森病识别方法研究
下一篇:基于特征学习的车标识别方法研究