| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题来源和意义 | 第12-13页 |
| ·对等网络(P2P)技术概述 | 第13-14页 |
| ·P2P流量控制管理研究现状 | 第14-16页 |
| ·论文主要内容和结构安排 | 第16-18页 |
| 第二章 P2P流量识别技术的研究 | 第18-50页 |
| ·P2P流量识别技术研究现状 | 第18-21页 |
| ·基于机器学习的P2P流量属性特征选择方法 | 第21-32页 |
| ·基于FCBF的流量属性特征计算方法 | 第22-25页 |
| ·基于流属性选择的P2P流量分类的机器学习方法比较 | 第25-32页 |
| ·基于损失函数的应用支持向量机理论的P2P流量检测研究 | 第32-41页 |
| ·支持向量机SVM理论 | 第32-33页 |
| ·一种基于损失函数的支持向量机P2P流量检测模型 | 第33-39页 |
| ·实验及结果分析 | 第39-41页 |
| ·基于流传输特性的实时P2P流量检测方法 | 第41-48页 |
| ·双重P2P流量特征实验分析 | 第41-43页 |
| ·基于流传输特性的P2P流量检测方法 | 第43-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第三章 P2P流量预测模型的研究 | 第50-70页 |
| ·网络流量预测模型研究现状 | 第50-52页 |
| ·P2P网络流量预测模型的分析 | 第52-53页 |
| ·传统流量预测模型的不足 | 第52页 |
| ·P2P流量的新特性分析 | 第52-53页 |
| ·基于小波分析和卡尔曼滤波的P2P业务流量预测模型 | 第53-68页 |
| ·相关理论和模型 | 第53-57页 |
| ·预测模型 | 第57-62页 |
| ·预测算法证明 | 第62-65页 |
| ·预测算法误差分析 | 第65页 |
| ·仿真实验及结果分析 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第四章 P2P流量控制机制的研究 | 第70-86页 |
| ·引言 | 第70-72页 |
| ·现有P2P流量的控制策略 | 第70-71页 |
| ·新型的P2P流量管理控制思想 | 第71-72页 |
| ·P2P网络流量本地化缓存机制 | 第72-77页 |
| ·基本架构 | 第72-73页 |
| ·模块功能 | 第73-74页 |
| ·具体流程 | 第74-75页 |
| ·实验分析 | 第75-77页 |
| ·小结 | 第77页 |
| ·基于CRP的网络流量本地化机制 | 第77-86页 |
| ·CDN网络与CDN路由简介 | 第78-79页 |
| ·频率图 | 第79-81页 |
| ·距离测量方案 | 第81-82页 |
| ·仿真结果 | 第82-84页 |
| ·小结 | 第84-86页 |
| 第五章 基于移动代理的P2P流量管理系统设计及实现 | 第86-110页 |
| ·一种基于移动代理的P2P网络流量管理方案 | 第86-89页 |
| ·基于移动代理的P2P网络流量管理系统的实现 | 第89-105页 |
| ·网络结构 | 第89-90页 |
| ·体系结构 | 第90-91页 |
| ·软件设计及实现描述 | 第91-101页 |
| ·软件中的关键技术 | 第101-105页 |
| ·系统使用演示 | 第105-108页 |
| ·本章小结 | 第108-110页 |
| 第六章 总结与展望 | 第110-112页 |
| ·总结 | 第110页 |
| ·展望 | 第110-112页 |
| 致谢 | 第112-114页 |
| 攻读博士学位期间的学术论文 | 第114-115页 |
| 攻读博士学位期间参加的科研项目 | 第115页 |
| 攻读博士学位期间获得的专利申请 | 第115-116页 |
| 攻读博士学位期间参与的计算机软件著作权申请 | 第116-117页 |
| 缩略词 | 第117-118页 |
| 图表清单 | 第118-121页 |
| 参考文献 | 第121-131页 |
