| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景 | 第9-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 网络业务流识别技术现状 | 第13-17页 |
| 1.2.2 监督的识别方法研究现状 | 第17-18页 |
| 1.2.3 非监督的识别方法研究现状 | 第18页 |
| 1.2.4 视频分类方法研究现状 | 第18-19页 |
| 1.3 研究内容和各章安排 | 第19-21页 |
| 第二章 FCM聚类算法简介 | 第21-28页 |
| 2.1 FCM基本理论 | 第21-25页 |
| 2.1.1 K均值聚类算法 | 第21-22页 |
| 2.1.2 FCM聚类算法 | 第22-23页 |
| 2.1.3 基于核函数的模糊C均值聚类（KFCM） | 第23-25页 |
| 2.2 层次聚类 | 第25-27页 |
| 2.3 聚类有效性指标 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 网络视频流特征分析与选择 | 第28-45页 |
| 3.1 数据获取 | 第28-30页 |
| 3.2 包大小相关特征 | 第30-36页 |
| 3.2.1 包大小 | 第30-33页 |
| 3.2.2 下行平均包大小 | 第33-34页 |
| 3.2.3 下行包大小的标准差 | 第34-35页 |
| 3.2.4 下行包大小的信息熵 | 第35-36页 |
| 3.3 包到达时间间隔相关特征 | 第36-38页 |
| 3.3.1 平均包到达时间间隔 | 第36-37页 |
| 3.3.2 包到达时间间隔的标准差 | 第37-38页 |
| 3.4 下上行字节数之比 | 第38-39页 |
| 3.5 下行子流片段数目 | 第39-40页 |
| 3.6 下行流有效IP数目 | 第40-41页 |
| 3.7 特征选取 | 第41-44页 |
| 3.8 本章小结 | 第44-45页 |
| 第四章 基于多级聚类的网络视频流识别实验 | 第45-58页 |
| 4.1 实验设置 | 第45-47页 |
| 4.2 多级聚类识别方案 | 第47-48页 |
| 4.3 分类效果的评价标准 | 第48-49页 |
| 4.4 实验结果及分析 | 第49-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 附录2 攻读硕士学位期间申请的专利 | 第64-65页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第65-66页 |
| 致谢 | 第66页 |