| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-14页 |
| ·本文研究的目的和内容 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第2章 P2P IPTV系统及其测量理论 | 第16-24页 |
| ·P2P及P2P IPTV | 第16-22页 |
| ·P2P系统的结构和分类 | 第16-20页 |
| ·IPTV及其分类 | 第20-21页 |
| ·P2P IPTV与P2P文件共享系统的区别 | 第21-22页 |
| ·网络测量与方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 四种P2P IPTV VoD系统测量研究 | 第24-39页 |
| ·四种流行P2P IPTV系统测量研究现状 | 第24-26页 |
| ·四种系统P2P IPTV系统 | 第24-26页 |
| ·本文研究方法选择 | 第26页 |
| ·实验平台及体系结构 | 第26-27页 |
| ·测试平台和工具 | 第26-27页 |
| ·数据集获取与处理 | 第27页 |
| ·流量特征 | 第27-32页 |
| ·数据包概况 | 第27-29页 |
| ·协议和端口 | 第29-30页 |
| ·平均数据包 | 第30-32页 |
| ·节点行为特征 | 第32-37页 |
| ·节点发送和接收数据流 | 第32-33页 |
| ·节点会话持续时间与平均数据包大小 | 第33-34页 |
| ·节点下载策略 | 第34-35页 |
| ·在线节点数和会话生命周期 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 P2P流媒体流量识别 | 第39-47页 |
| ·流量识别 | 第39-41页 |
| ·P2P流媒体流量识别 | 第39-40页 |
| ·P2P流量流媒体识别方法的评价方法 | 第40-41页 |
| ·P2P流量识别的方法 | 第41-44页 |
| ·机器学习中的特征提取 | 第44-46页 |
| ·特征提取 | 第44-45页 |
| ·实验测试数据集 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于SVM的P2P IPTV流量识别技术研究 | 第47-63页 |
| ·SVM(支持向量机)技术 | 第47-52页 |
| ·支持向量机的原理 | 第47-50页 |
| ·基于SVM的多分类问题与技术 | 第50-51页 |
| ·SVM与流量识别 | 第51-52页 |
| ·数据包数据量分布特征 | 第52-56页 |
| ·基于数据包数量分布识别原理 | 第52-53页 |
| ·P2P IPTV数据包分布特征 | 第53-55页 |
| ·SVM流量识别过程与拒绝阀值 | 第55-56页 |
| ·实验结果与分析 | 第56-62页 |
| ·实验工具与数据集 | 第56-57页 |
| ·核函数的选择 | 第57-58页 |
| ·时间窗对识别结果的影响 | 第58-59页 |
| ·特征精简方式选择 | 第59-61页 |
| ·拒绝阀值与识别精度 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结和展望 | 第63-65页 |
| ·论文的创新与总结 | 第63-64页 |
| ·研究工作展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录 攻读硕士学位期间发表的论文 | 第69页 |