基于蚁群算法和支持向量机的P2P流量识别系统的设计与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-14页 |
| 1.1.1 P2P的发展及特点 | 第10-12页 |
| 1.1.2 P2P技术的应用困境 | 第12页 |
| 1.1.3 P2P流量识别技术分析 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 相关技术研究 | 第18-32页 |
| 2.1 支持向量机技术 | 第18-23页 |
| 2.1.1 支持向量机概述 | 第18页 |
| 2.1.2 支持向量机的原理 | 第18-21页 |
| 2.1.3 核函数的选取 | 第21-22页 |
| 2.1.4 支持向量机的参数优化 | 第22-23页 |
| 2.2 蚁群算法 | 第23-25页 |
| 2.2.1 蚁群算法的基本原理 | 第23-24页 |
| 2.2.2 蚁群算法的特点及应用 | 第24-25页 |
| 2.3 特征选择 | 第25-31页 |
| 2.3.1 特征选择的一般过程 | 第25-27页 |
| 2.3.2 典型特征选择算法介绍 | 第27-28页 |
| 2.3.3 基于蚁群算法的特征选择 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 P2P流量识别系统概要设计 | 第32-40页 |
| 3.1 P2P流量识别系统的设计思想 | 第32-33页 |
| 3.2 系统的总体架构设计 | 第33-35页 |
| 3.3 模块功能说明与设计 | 第35-39页 |
| 3.3.1 数据采集模块 | 第35-36页 |
| 3.3.2 数据预处理模块 | 第36-37页 |
| 3.3.3 流量识别训练模块 | 第37-38页 |
| 3.3.4 预测模块 | 第38-39页 |
| 3.3.5 显示模块 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 系统详细设计与实现 | 第40-54页 |
| 4.1 数据采集模块 | 第40-42页 |
| 4.1.1 WinPcap简介 | 第40-41页 |
| 4.1.2 数据采集模块的实现 | 第41-42页 |
| 4.2 数据预处理模块 | 第42-47页 |
| 4.2.1 网络流量特征分析 | 第42-43页 |
| 4.2.2 数据预处理模块的实现 | 第43-47页 |
| 4.3 流量识别训练模块 | 第47-50页 |
| 4.3.1 蚁群算法的特征选择的实现 | 第47-49页 |
| 4.3.2 流量识别训练模块的实现 | 第49-50页 |
| 4.4 预测模块 | 第50-51页 |
| 4.5 显示模块 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 实验及测试 | 第54-60页 |
| 5.1 系统的部署 | 第54-57页 |
| 5.1.1 测试环境 | 第54-55页 |
| 5.1.2 实验数据 | 第55-57页 |
| 5.2 系统功能测试及结果分析 | 第57-59页 |
| 5.2.1 预测功能测试 | 第57页 |
| 5.2.2 训练性能测试 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文工作总结 | 第60页 |
| 6.2 下一步工作的展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
