基于半监督支持向量机的网络流量分类机制的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·引言 | 第8-9页 |
| ·要解决的问题和创新点 | 第9-10页 |
| ·研究生期间工作 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 网络流量分类研究综述 | 第12-23页 |
| ·流量分类定义 | 第12页 |
| ·流量分类层面 | 第12-13页 |
| ·流量分类粒度 | 第13-14页 |
| ·流量分类方式 | 第14-15页 |
| ·基于端口的流量分类 | 第14页 |
| ·基于载荷的流量分类 | 第14-15页 |
| ·基于机器学习的流量分类 | 第15页 |
| ·基于机器学习的流量分类方法 | 第15-16页 |
| ·基于有监督的流量分类 | 第15-16页 |
| ·基于无监督的流量分类 | 第16页 |
| ·基于半监督的流量分类 | 第16页 |
| ·流量分类主要算法研究 | 第16-23页 |
| ·贝叶斯分类算法 | 第17-19页 |
| ·聚类早期识别应用 | 第19-20页 |
| ·基于K均值的流量分类 | 第20-23页 |
| 第三章 基于半监督支持向量机的流量分类算法 | 第23-30页 |
| ·支持向量机算法(SVM) | 第23-25页 |
| ·半监督协同训练算法 | 第25-26页 |
| ·特征选择算法 | 第26-27页 |
| ·标记流选择算法 | 第27-28页 |
| ·基于半监督支持向量机算法 | 第28-30页 |
| 第四章 基于半监督支持向量机的流量分类模型 | 第30-37页 |
| ·流量类型 | 第30页 |
| ·流特征定义标准 | 第30-32页 |
| ·交叉验证模型 | 第32页 |
| ·分类器的评价指标 | 第32-33页 |
| ·流量分类步骤 | 第33-37页 |
| 第五章 基于半监督支持向量机的流量分类实验 | 第37-49页 |
| ·实验工具简介 | 第37-40页 |
| ·Jpcap工具包 | 第37-38页 |
| ·WEKA工具 | 第38-40页 |
| ·LibSVM工具包 | 第40页 |
| ·数据采集 | 第40-42页 |
| ·流量分类实验 | 第42-44页 |
| ·特征选择 | 第42-43页 |
| ·标记流选择 | 第43-44页 |
| ·流量分类实验结果和分析 | 第44-49页 |
| ·分类精度 | 第44-46页 |
| ·分类泛化性 | 第46-47页 |
| ·分类速度 | 第47-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 作者攻读硕士学位期间完成的论文 | 第54页 |
