基于神经网络的网络流量识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 缩略语 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 流量识别方法概述 | 第10-14页 |
| 1.2.1 流量识别原理 | 第10-11页 |
| 1.2.2 流量识别现状分析 | 第11-13页 |
| 1.2.3 流量识别的发展趋势 | 第13-14页 |
| 1.3 论文主要内容及章节安排 | 第14-15页 |
| 第二章 神经网络基本理论 | 第15-23页 |
| 2.1 神经网络概述 | 第15-19页 |
| 2.1.1 神经网络原理 | 第15-17页 |
| 2.1.2 神经网络分类 | 第17-19页 |
| 2.2 BP神经网络 | 第19-21页 |
| 2.3 神经网络集成 | 第21-22页 |
| 2.3.1 个体生成方式 | 第22页 |
| 2.3.2 结果生成方式 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于属性关系分析的特征选择算法 | 第23-33页 |
| 3.1 特征选择概述 | 第23-26页 |
| 3.1.1 搜索策略 | 第23-24页 |
| 3.1.2 评价准则 | 第24-26页 |
| 3.2 属性关系分析的特征选择算法 | 第26-29页 |
| 3.2.1 基本原理 | 第26-27页 |
| 3.2.2 实现方法 | 第27-29页 |
| 3.3 仿真实验 | 第29-32页 |
| 3.3.1 数据集说明 | 第29-30页 |
| 3.3.2 实验方法 | 第30页 |
| 3.3.3 实验结果及分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于CS算法的神经网络选择构建集成方法 | 第33-45页 |
| 4.1 选择性神经网络集成 | 第33-35页 |
| 4.1.1 理论分析 | 第33-34页 |
| 4.1.2 实现方法 | 第34-35页 |
| 4.2 CS算法基本原理 | 第35-37页 |
| 4.3 基于CS算法的神经网络选择方法 | 第37-42页 |
| 4.3.1 CSEN算法基本模型 | 第37-38页 |
| 4.3.2 实现方法 | 第38-40页 |
| 4.3.3 参数性能影响研究 | 第40-42页 |
| 4.4 仿真实验 | 第42-44页 |
| 4.4.1 数据集说明 | 第42-43页 |
| 4.4.2 实验方法 | 第43页 |
| 4.4.3 实验结果及分析 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于神经网络的流量识别算法 | 第45-57页 |
| 5.1 实验基本数据说明 | 第45-46页 |
| 5.2 特征选择算法应用 | 第46-50页 |
| 5.2.1 实验方法 | 第46-47页 |
| 5.2.2 实验结果分析 | 第47-50页 |
| 5.3 CSEN在流量识别中的应用 | 第50-55页 |
| 5.3.1 实验方法及评价指标 | 第50-51页 |
| 5.3.2 实验结果分析 | 第51-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57页 |
| 6.2 进一步工作展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士学位期间的研究成果 | 第63页 |
