因特网流量类不平衡特性与分类方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-14页 |
| 表目录 | 第14-16页 |
| 图目录 | 第16-18页 |
| 缩略语对照表 | 第18-20页 |
| 术语说明 | 第20-21页 |
| 第一章 绪论 | 第21-29页 |
| ·研究背景 | 第21-23页 |
| ·面临的挑战 | 第23-24页 |
| ·研究目的与意义 | 第24-25页 |
| ·研究内容 | 第25-27页 |
| ·论文结构 | 第27-29页 |
| 第二章 因特网流量分类与类不平衡研究现状 | 第29-45页 |
| ·因特网流量分类研究现状 | 第29-34页 |
| ·基于规则匹配的流量分类方法 | 第29-30页 |
| ·基于机器学习的流量分类方法 | 第30-33页 |
| ·类不平衡问题 | 第33-34页 |
| ·类不平衡研究现状 | 第34-39页 |
| ·类不平衡相关因素分析 | 第34-35页 |
| ·数据重采样方法 | 第35-37页 |
| ·特征选择方法 | 第37-38页 |
| ·分类算法 | 第38-39页 |
| ·因特网流量分类性能评估指标 | 第39-40页 |
| ·共享的因特网流量数据集 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 因特网流量数据的类不平衡特性 | 第45-65页 |
| ·因特网流量数据的表象不平衡特性 | 第45-47页 |
| ·流不平衡特性 | 第45-46页 |
| ·字节不平衡特性 | 第46-47页 |
| ·因特网流量数据的内在不平衡特性 | 第47-51页 |
| ·网络流特性 | 第47-49页 |
| ·网络流样本在特征空间的分布 | 第49-51页 |
| ·类不平衡解决方案的探讨 | 第51-58页 |
| ·重采样与代价敏感学习方法 | 第52-53页 |
| ·因特网流量分类性能 | 第53-56页 |
| ·类不平衡特性与流量分类性能的关系 | 第56-58页 |
| ·适合因特网流量多小类特性的代价敏感学习算法 | 第58-64页 |
| ·错分代价矩阵分析 | 第58-60页 |
| ·加权错分代价矩阵 | 第60-61页 |
| ·实验验证 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 因特网流量数据的重采样方法 | 第65-81页 |
| ·重采样方法 PSC | 第65-69页 |
| ·基于 k-均值的流量数据划分 | 第66-67页 |
| ·SMOTE 过采样算法 | 第67页 |
| ·启发式欠采样算法 | 第67-69页 |
| ·PSC 方法的理论分析 | 第69-72页 |
| ·基于误差平方和的类内散度分析 | 第69-71页 |
| ·基于 N2 的数据复杂度分析 | 第71-72页 |
| ·实验结果与分析 | 第72-79页 |
| ·实验设计与参数设置 | 第72-75页 |
| ·PSC 的流量分类性能 | 第75-77页 |
| ·多种重采样方法比较 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第五章 因特网流量统计特征的选择算法 | 第81-99页 |
| ·过滤式特征选择算法 | 第81-83页 |
| ·评估模型 | 第82-83页 |
| ·搜索模型 | 第83页 |
| ·特征选择算法 BFS | 第83-90页 |
| ·基于信息熵的局部评估模型 | 第84-87页 |
| ·基于对称不确定性的全局评估模型 | 第87-88页 |
| ·搜索模型 | 第88-89页 |
| ·BFS 算法流程 | 第89-90页 |
| ·实验结果与分析 | 第90-97页 |
| ·实验设计与参数设置 | 第90-91页 |
| ·特征选择结果 | 第91-93页 |
| ·因特网流量总体分类性能 | 第93-94页 |
| ·小类分类性能 | 第94-96页 |
| ·特征选择算法的运行时间 | 第96页 |
| ·因特网流量分类稳定性与实际应用讨论 | 第96-97页 |
| ·本章小结 | 第97-99页 |
| 第六章 因特网重型流分类方法 | 第99-117页 |
| ·重型流分布特点与分类问题 | 第99-102页 |
| ·报文/字节累计分布 | 第99-101页 |
| ·重型流分类问题 | 第101-102页 |
| ·重型流分类方法 | 第102-108页 |
| ·基于信息增益率的流尺度模块化方法 | 第102-106页 |
| ·集成学习方法 | 第106-108页 |
| ·实验结果与分析 | 第108-115页 |
| ·实验设计与参数设置 | 第108-110页 |
| ·流尺度模块化方法的流量分类性能 | 第110-112页 |
| ·集成学习的流量分类性能 | 第112页 |
| ·重型流分类方法的子流分类性能 | 第112-113页 |
| ·重型流分类方法横向比较 | 第113-114页 |
| ·主要参数讨论 | 第114-115页 |
| ·本章小结 | 第115-117页 |
| 总结与展望 | 第117-121页 |
| 工作总结 | 第117-118页 |
| 研究展望 | 第118-121页 |
| 参考文献 | 第121-131页 |
| 攻读博士学位期间取得的研究成果 | 第131-133页 |
| 致谢 | 第133-134页 |
| 答辩委员会对论文的评定意见 | 第134页 |
