基于粒子群优化半监督学习的网络流量分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 论文相关技术 | 第14-18页 |
| 2.1 基于流特征网络流量分类 | 第14-15页 |
| 2.2 半监督机器学习分类方法 | 第15-16页 |
| 2.3 本章小结 | 第16-18页 |
| 3 网络流量的特征选取 | 第18-25页 |
| 3.1 引言 | 第18页 |
| 3.2 流特征选择 | 第18-21页 |
| 3.3 流特征提取过程设计 | 第21-22页 |
| 3.4 实验结果与分析 | 第22-23页 |
| 3.5 本章小结 | 第23-25页 |
| 4 基于半监督的实时流量分类方法 | 第25-40页 |
| 4.1 引言 | 第25页 |
| 4.2 粒子群优化 KNN 算法的实现 | 第25-28页 |
| 4.3 实时分类方法的结构设计 | 第28-37页 |
| 4.4 实验结果与分析 | 第37-38页 |
| 4.5 本章小结 | 第38-40页 |
| 5 基于半监督的离线流量分类方法 | 第40-52页 |
| 5.1 引言 | 第40页 |
| 5.2 粒子群优化 Kmeans 算法的实现 | 第40-43页 |
| 5.3 离线分类方法的结构设计 | 第43-49页 |
| 5.4 实验结果与分析 | 第49-50页 |
| 5.5 本章小结 | 第50-52页 |
| 6 流量分类结果的告知与预警 | 第52-58页 |
| 6.1 引言 | 第52页 |
| 6.2 TCP 会话劫持技术介绍 | 第52-54页 |
| 6.3 预警技术设计与实现 | 第54-56页 |
| 6.4 实验结果与分析 | 第56-57页 |
| 6.5 本章小结 | 第57-58页 |
| 7 总结与展望 | 第58-61页 |
| 7.1 全文总结 | 第58-59页 |
| 7.2 工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 攻读学位期间发表论文目录 | 第65页 |
