| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景 | 第9页 |
| 1.2 研究内容 | 第9-10页 |
| 1.3 研究生期间主要工作 | 第10-11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 电力通信网络流量分类相关理论研究 | 第13-23页 |
| 2.1 电力通信网 | 第13页 |
| 2.2 电力综合数据网业务分析 | 第13-15页 |
| 2.2.1 多媒体业务 | 第14页 |
| 2.2.2 话音业务 | 第14页 |
| 2.2.3 通用网络业务 | 第14-15页 |
| 2.3 网络流量分析现状 | 第15页 |
| 2.4 网络流量分类的定义 | 第15-16页 |
| 2.5 流量分类方法介绍 | 第16-20页 |
| 2.5.1 基于端口的流量分类方法 | 第16-18页 |
| 2.5.2 基于报文载荷的流量分类方法 | 第18页 |
| 2.5.3 基于主机行为的流量分类方法 | 第18-19页 |
| 2.5.4 基于机器学习的流量分类方法 | 第19-20页 |
| 2.6 流量特征降维方法 | 第20-21页 |
| 2.6.1 特征选择 | 第20-21页 |
| 2.6.2 特征提取 | 第21页 |
| 2.7 电力综合数据网业务流量分类 | 第21-23页 |
| 第三章 基于支持向量机的网络流量分类算法及改进 | 第23-40页 |
| 3.1 支持向量机算法 | 第23-25页 |
| 3.2 支持向量机多分类原理 | 第25-28页 |
| 3.3 基于特征降维的算法改进 | 第28-33页 |
| 3.3.1 ReliefF算法 | 第28-29页 |
| 3.3.2 偏最小二乘法(PLS) | 第29页 |
| 3.3.3 结合ReliefF和PLS的特征降维算法 | 第29-30页 |
| 3.3.4 实验与分析 | 第30-33页 |
| 3.4 算法验证 | 第33-40页 |
| 3.4.1 数据来源 | 第33-34页 |
| 3.4.2 网络流属性特征的提取 | 第34-36页 |
| 3.4.3 数据抽样 | 第36页 |
| 3.4.4 仿真实验 | 第36-40页 |
| 第四章 电力通信网网络流量分类系统的设计与实现 | 第40-53页 |
| 4.1 系统功能设计 | 第40-41页 |
| 4.1.1 系统功能结构设计 | 第40页 |
| 4.1.2 特征管理模块 | 第40-41页 |
| 4.1.3 数据管理模块 | 第41页 |
| 4.1.4 分类管理模块 | 第41页 |
| 4.2 系统详细设计 | 第41-45页 |
| 4.2.1 系统逻辑结构设计 | 第42页 |
| 4.2.2 系统数据库设计 | 第42-45页 |
| 4.3 开发环境介绍 | 第45页 |
| 4.4 电力通信网网络流量分类系统实现 | 第45-53页 |
| 4.4.1 特征管理模块 | 第45-48页 |
| 4.4.2 数据样本管理模块 | 第48-50页 |
| 4.4.3 分类管理模块 | 第50-51页 |
| 4.4.4 系统测试 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |