| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| 第一章 引言 | 第12-28页 |
| ·研究背景 | 第12-16页 |
| ·互联网的发展现状 | 第12-15页 |
| ·网络业务识别的意义 | 第15-16页 |
| ·网络业务识别关键技术研究现状 | 第16-22页 |
| ·基于端口的识别技术 | 第16-17页 |
| ·基于数据包负载的识别技术 | 第17-18页 |
| ·基于流统计信息的识别技术 | 第18-19页 |
| ·基于数据挖掘的识别技术 | 第19-22页 |
| ·现有技术面临的挑战 | 第22-23页 |
| ·本文的主要工作 | 第23-25页 |
| ·本文的组织结构 | 第25-28页 |
| 第二章 网络业务识别的背景知识 | 第28-44页 |
| ·数据挖掘在网络业务识别中的应用 | 第28-32页 |
| ·网络业务识别中的基本概念 | 第28-29页 |
| ·网络业务识别的度量方法 | 第29-31页 |
| ·基于数据挖掘的识别 | 第31-32页 |
| ·数据挖掘方法概述 | 第32-41页 |
| ·传统数据挖掘方法 | 第32-37页 |
| ·数据流挖掘方法 | 第37-39页 |
| ·传统数据挖掘和数据流挖掘的不同 | 第39-41页 |
| ·其他识别方法 | 第41页 |
| ·多种识别方法的对比 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 网格时间权重阈值自适应的任意形状数据流聚类 | 第44-68页 |
| ·引言 | 第44-46页 |
| ·相关工作 | 第46-48页 |
| ·基于传统聚类方法的网络业务识别 | 第46页 |
| ·流聚类方法 | 第46-48页 |
| ·问题分析和相关概念 | 第48-49页 |
| ·问题分析及解决方法 | 第48页 |
| ·相关概念 | 第48-49页 |
| ·网格时间权重阈值自适应的流聚类算法 | 第49-57页 |
| ·网格结构 | 第50-52页 |
| ·自适应的网格时间权重阈值 | 第52-53页 |
| ·在线网格维护算法 | 第53-56页 |
| ·离线宏聚类算法 | 第56-57页 |
| ·实验结果与分析 | 第57-66页 |
| ·实验设置 | 第57页 |
| ·实验数据集 | 第57-61页 |
| ·实验结果 | 第61-64页 |
| ·算法分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第四章 基于网格密度的数据流演化聚类 | 第68-87页 |
| ·引言 | 第68-69页 |
| ·相关工作和问题分析 | 第69-70页 |
| ·相关工作 | 第69-70页 |
| ·问题分析 | 第70页 |
| ·基于网格密度的数据流演化聚类算法 | 第70-78页 |
| ·基于数据点密度系数的网格结构 | 第71-72页 |
| ·金字塔时间框架技术 | 第72-73页 |
| ·在线维护算法 | 第73-75页 |
| ·离线演化聚类分析 | 第75-78页 |
| ·实验结果与分析 | 第78-85页 |
| ·实验设置 | 第79页 |
| ·实验结果 | 第79-83页 |
| ·算法分析 | 第83-85页 |
| ·本章小结 | 第85-87页 |
| 第五章 基于流聚类的半监督多级网络业务识别 | 第87-114页 |
| ·引言 | 第87-91页 |
| ·在线多级网络业务分流识别体系 | 第91-96页 |
| ·长短流与子流的判定 | 第92-93页 |
| ·多级网络业务分流识别体系设计 | 第93-96页 |
| ·基于流聚类算法的半监督识别方案 | 第96-101页 |
| ·设计目标 | 第96页 |
| ·方案设计 | 第96-98页 |
| ·模块功能描述 | 第98-101页 |
| ·基于长流的子流属性特征提取与选择 | 第101-103页 |
| ·实验数据说明 | 第101-102页 |
| ·初始属性特征统计 | 第102页 |
| ·特征子集选择 | 第102-103页 |
| ·在线更新的簇映射规则 | 第103-104页 |
| ·实验结果与分析 | 第104-112页 |
| ·实验设置 | 第104-106页 |
| ·实验结果 | 第106-110页 |
| ·方法分析 | 第110-112页 |
| ·本章小结 | 第112-114页 |
| 第六章 小结与展望 | 第114-117页 |
| 参考文献 | 第117-127页 |
| 致谢 | 第127-128页 |
| 攻读博士学位期间发表的学术论文 | 第128-129页 |