| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略语 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和研究目的 | 第10页 |
| 1.2 流量识别方法概述 | 第10-14页 |
| 1.2.1 流量分类技术发展现状 | 第10-12页 |
| 1.2.2 机器学习研究现状 | 第12-14页 |
| 1.3 论文主要内容及章节安排 | 第14-16页 |
| 第二章 EM算法基本理论 | 第16-28页 |
| 2.1 有限混合模型 | 第16-18页 |
| 2.2 EM算法原理 | 第18-23页 |
| 2.2.1 EM算法 | 第18-21页 |
| 2.2.2 EM算法的性质 | 第21页 |
| 2.2.3 高斯混合模型的参数估计 | 第21-23页 |
| 2.3 EM算法改进 | 第23-27页 |
| 2.3.1 初始值问题的讨论 | 第23-24页 |
| 2.3.2 Component-Wise EM算法 | 第24-25页 |
| 2.3.3 SMEM算法 | 第25-26页 |
| 2.3.4 DAEM算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于Z矩阵和Tsallis熵的改进算法 | 第28-48页 |
| 3.1 基于混合模型的分类 | 第28-32页 |
| 3.2 q-DAEM算法及收敛性分析 | 第32-36页 |
| 3.2.1 Tsallis熵 | 第32页 |
| 3.2.2 q-DAEM算法 | 第32-35页 |
| 3.2.3 收敛性分析 | 第35-36页 |
| 3.3 I-EM算法 | 第36-37页 |
| 3.4 实验仿真 | 第37-46页 |
| 3.4.1 Weka软件介绍 | 第37-39页 |
| 3.4.2 实验数据集及其预处理 | 第39-42页 |
| 3.4.3 仿真结果及评价 | 第42-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于空间的EM改进算法 | 第48-60页 |
| 4.1 稳健统计 | 第48-50页 |
| 4.1.1 离群值 | 第49页 |
| 4.1.2 崩溃点 | 第49-50页 |
| 4.2 均值和协方差矩阵的替代 | 第50-53页 |
| 4.2.1 L_1中值 | 第50-52页 |
| 4.2.2 秩协方差矩阵 | 第52-53页 |
| 4.3 空间EM算法 | 第53-54页 |
| 4.4 实验仿真 | 第54-58页 |
| 4.4.1 实验场景 | 第54-55页 |
| 4.4.2 实验结果分析 | 第55-58页 |
| 4.5 本章总结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 研究内容的总结 | 第60页 |
| 5.2 进一步工作展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的研究成果 | 第68页 |