| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究的目的和意义 | 第9-10页 |
| ·国内外在该方向的研究现状及分析 | 第10-13页 |
| ·基于机器学习的网络流量分类研究现状 | 第10-11页 |
| ·模糊C均值聚类算法的研究现状 | 第11-13页 |
| ·本文主要工作 | 第13-14页 |
| ·本文的章节安排 | 第14-15页 |
| 第2章 P2P流量分类问题的研究 | 第15-25页 |
| ·P2P流量分类的基本概念 | 第15-16页 |
| ·P2P流量分类方法介绍 | 第16-23页 |
| ·基于端口的识别 | 第17-18页 |
| ·基于有效载荷特征串的识别 | 第18-20页 |
| ·基于机器学习算法的流量识别 | 第20-23页 |
| ·各种流分类方法的对比 | 第23-25页 |
| 第3章 基于机器学习的流量分类算法 | 第25-41页 |
| ·流量属性的获取 | 第25-26页 |
| ·P2P流量分类算法的研究 | 第26-38页 |
| ·贝叶斯算法 | 第27-30页 |
| ·支持向量机算法 | 第30-34页 |
| ·K-means算法 | 第34-36页 |
| ·模糊C均值算法 | 第36-38页 |
| ·FCM算法的优化 | 第38-41页 |
| ·权指数m的选择优化 | 第38-40页 |
| ·距离函数的优化 | 第40-41页 |
| 第4章 基于FCM算法的P2P流量分类器的设计与实现 | 第41-62页 |
| ·基于FCM算法的流量分类模型 | 第41-42页 |
| ·P2P网络流量样本采集及特征产生 | 第42-62页 |
| ·流的统计特征分析 | 第42-43页 |
| ·P2P网络流量的采集 | 第43-49页 |
| ·形成P2P网络流 | 第49-51页 |
| ·流量样本类型的自动标识 | 第51-54页 |
| ·分类效果评测指标 | 第54-55页 |
| ·基于FCM算法的分类器训练 | 第55-59页 |
| ·基于Kmeans算法的聚类分析 | 第59页 |
| ·结果比对分析 | 第59-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |