首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

并行网络流分类技术研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-17页
    1.1 课题研究的背景和意义第10-11页
    1.2 网络流分类技术的研究现状第11-15页
        1.2.1 传统网络流分类技术第11-13页
        1.2.2 基于流统计特征和机器学习的网络流分类技术第13-14页
        1.2.3 基于商业硬件平台的网络流分类技术第14-15页
    1.3 网络流分类技术的发展趋势第15页
    1.4 课题的来源及研究内容第15-16页
        1.4.1 课题来源第15页
        1.4.2 课题的主要研究内容第15-16页
    1.5 论文的组织结构和内容安排第16-17页
第2章 并行计算、实验平台及评价标准第17-25页
    2.1 并行计算方法第17-21页
        2.1.1 MapReduce并行计算框架第17-18页
        2.1.2 GPU并行计算第18-21页
    2.2 实验平台第21-22页
        2.2.1 集群配置第21页
        2.2.2 GPU实验平台第21-22页
    2.3 评价标准第22-24页
        2.3.1 基准数据集第22-23页
        2.3.2 评价指标第23-24页
    2.4 本章小结第24-25页
第3章 基于MapReduce的并行网络流分类方法第25-34页
    3.1 问题简述第25-26页
    3.2 基于MapReduce框架和机器学习的网络流分类方法第26-30页
        3.2.1 朴素贝叶斯第26-28页
        3.2.2 随机森林第28-30页
    3.3 实验结果分析第30-33页
    3.4 本章小结第33-34页
第4章 基于GPU的支持向量机网络流分类方法第34-46页
    4.1 问题简述第34-35页
    4.2 支持向量机网络流分类方法第35-38页
        4.2.1 支持向量机理论第35-37页
        4.2.2 基于SVM的网络流分类方法第37-38页
    4.3 基于GPU的SVM网络流分类方法第38-42页
        4.3.1 训练阶段优化第38-41页
        4.3.2 分类阶段优化第41-42页
    4.4 实验结果分析第42-45页
    4.5 本章小结第45-46页
第5章 网络流量采集与分析系统第46-63页
    5.1 系统概述第46-47页
    5.2 系统总体分析和设计第47-50页
        5.2.1 功能模块划分第47-48页
        5.2.2 系统架构第48-49页
        5.2.3 应用场景分析第49-50页
    5.3 系统实现第50-56页
        5.3.1 软硬件环境第50页
        5.3.2 网络流量采集模块第50-51页
        5.3.3 流量数据存储模块第51-52页
        5.3.4 流量数据分析模块第52-54页
        5.3.5 系统可视化模块第54-56页
    5.4 系统测试第56-62页
        5.4.1 客户端功能测试第56-58页
        5.4.2 服务器端功能测试第58-62页
    5.5 本章小结第62-63页
结论第63-65页
参考文献第65-70页
攻读硕士学位期间所发表的学术论文第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:基于迁移学习和在线学习的网络流量分类方法研究
下一篇:基于水平集的CBCT牙齿图像分割算法研究