基于聚类分析的应用层流量识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-16页 |
| ·引言 | 第12页 |
| ·研究背景与意义 | 第12页 |
| ·应用层流量识别概述及发展 | 第12-13页 |
| ·本文主要工作 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 流量识别技术原理及其发展 | 第16-28页 |
| ·引言 | 第16页 |
| ·端口识别技术 | 第16页 |
| ·负载分析识别 | 第16-17页 |
| ·基于传输层连接特征的识别 | 第17-18页 |
| ·数据挖掘在流量识别中的研究 | 第18-27页 |
| ·数据挖掘的概念 | 第18-22页 |
| ·数据挖掘技术用于流量识别的可行性 | 第22页 |
| ·数据挖掘在流量识别中的实现 | 第22-24页 |
| ·数据挖掘在流量识别中常用算法研究 | 第24-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于改进K-means的流量识别 | 第28-37页 |
| ·引言 | 第28页 |
| ·K-means算法 | 第28-29页 |
| ·K-means算法描述 | 第28-29页 |
| ·K-means算法的优缺点 | 第29页 |
| ·初始中心优化算法 | 第29-31页 |
| ·矩阵简化及属性权值 | 第31-32页 |
| ·基于改进K-means算法的流量识别 | 第32-34页 |
| ·基本概念 | 第32页 |
| ·基本思想与流程 | 第32-33页 |
| ·算法描述 | 第33-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·实验平台 | 第34页 |
| ·实验数据 | 第34-35页 |
| ·结果分析 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 基于遗传聚类的流量识别 | 第37-52页 |
| ·引言 | 第37页 |
| ·遗传算法 | 第37-44页 |
| ·遗传算法的特点 | 第38-39页 |
| ·遗传算法的基本构成 | 第39-42页 |
| ·遗传算法的描述 | 第42-43页 |
| ·设计步骤 | 第43-44页 |
| ·基于遗传聚类算法的流量识别 | 第44-51页 |
| ·用遗传算法进行聚类时要解决的问题 | 第44-45页 |
| ·模型描述 | 第45-46页 |
| ·基本概念 | 第46-48页 |
| ·基本思想与流程 | 第48-50页 |
| ·算法描述 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第5章 系统原型和实验 | 第52-58页 |
| ·系统原型 | 第52-54页 |
| ·设计思路 | 第52页 |
| ·系统模块设计与实现 | 第52-54页 |
| ·实验 | 第54-57页 |
| ·实验环境 | 第54-55页 |
| ·实验结果及性能分析 | 第55-57页 |
| ·小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录A (攻读硕士学位期间所发表的学术论文) | 第64-65页 |
| 附录B (攻读硕士学位期间所参与的科研活动) | 第65页 |
