基于LSTM循环神经网络的TCP状态估计方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第2章 TCP状态数据集 | 第18-30页 |
| 2.1 TCP协议概述 | 第18-23页 |
| 2.1.1 TCP原理 | 第19-20页 |
| 2.1.2 TCP头部格式 | 第20-21页 |
| 2.1.3 TCP状态 | 第21-23页 |
| 2.2 平台搭建 | 第23-26页 |
| 2.2.1 内容服务器搭建 | 第24-25页 |
| 2.2.2 代理服务器搭建 | 第25-26页 |
| 2.3 构建数据集 | 第26-28页 |
| 2.3.1 采集数据 | 第26-27页 |
| 2.3.2 解析数据 | 第27页 |
| 2.3.3 TCP状态标注 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于规则的TCP状态估计 | 第30-41页 |
| 3.1 TCP状态分类的原理 | 第30-31页 |
| 3.2 算法模型及实现 | 第31-37页 |
| 3.2.1 算法框架 | 第31-32页 |
| 3.2.2 往返时延及拥塞窗口估计 | 第32-36页 |
| 3.2.3 重叠窗口平滑 | 第36-37页 |
| 3.3 实验结果及分析 | 第37-39页 |
| 3.3.1 算法评价标准 | 第37-38页 |
| 3.3.2 实验结果与分析 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于决策树的TCP状态估计 | 第41-51页 |
| 4.1 决策树概述 | 第41-45页 |
| 4.1.1 决策树原理 | 第41-43页 |
| 4.1.2 决策树构建 | 第43-45页 |
| 4.2 算法模型及实现 | 第45-48页 |
| 4.2.1 算法框架 | 第45-46页 |
| 4.2.2 特征工程 | 第46-48页 |
| 4.3 实验及结果分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 基于LSTM特征提取的TCP状态估计 | 第51-64页 |
| 5.1 LSTM的基本原理 | 第51-56页 |
| 5.1.1 传统循环神经网络RNN | 第51-53页 |
| 5.1.2 长短时记忆网络LSTM | 第53-56页 |
| 5.2 算法模型及实现 | 第56-59页 |
| 5.2.1 算法框架 | 第56-57页 |
| 5.2.2 单层LSTM网络 | 第57-58页 |
| 5.2.3 多层LSTM网络 | 第58-59页 |
| 5.3 实验及结果分析 | 第59-63页 |
| 5.3.1 LSTM网络 | 第59-60页 |
| 5.3.2 LSTM神经元数实验 | 第60-62页 |
| 5.3.3 LSTM层数实验 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 现有工作总结 | 第64页 |
| 6.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 在读期间发表的学术论文与取得的研究成果 | 第72页 |
