高速接入网络的流量识别特性研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 目录 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| ·课题研究背景及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-16页 |
| ·论文的主要研究内容 | 第16页 |
| ·论文组织结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 网络流量识别概述 | 第18-26页 |
| ·引言 | 第18页 |
| ·网络流量的主要特征 | 第18-21页 |
| ·自相似性 | 第18-19页 |
| ·长程相关性 | 第19页 |
| ·尺度分布 | 第19-20页 |
| ·网络流量特征对网络性能的影响 | 第20-21页 |
| ·网络流量的测量 | 第21-23页 |
| ·指标体系 | 第21-22页 |
| ·测量方法 | 第22-23页 |
| ·网络流量识别技术现状 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 网络流量识别技术分析与比较 | 第26-36页 |
| ·流量识别技术分析 | 第26-33页 |
| ·基于端口号的流量识别技术 | 第26-27页 |
| ·基于特征字段的流量识别技术 | 第27-30页 |
| ·基于传输层的流量识别技术 | 第30-33页 |
| ·流量识别技术的比较 | 第33-34页 |
| ·小结 | 第34-36页 |
| 第四章 基于机器学习的网络流量识别系统实现 | 第36-48页 |
| ·基于机器学习的网络流量识别的算法概述 | 第36-40页 |
| ·决策树 | 第36-37页 |
| ·规则推理 | 第37页 |
| ·贝叶斯分类 | 第37-38页 |
| ·最近邻分类 | 第38-39页 |
| ·神经网络 | 第39-40页 |
| ·网络流量识别系统的实现 | 第40-42页 |
| ·网络流量识别分析系统框架 | 第41-42页 |
| ·网络流量识别系统的评估 | 第42-47页 |
| ·评估方法 | 第42-44页 |
| ·网络流量识别系统的评估 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第五章 适合高速网络中的流量识别分类算法 | 第48-54页 |
| ·网络流量识别算法实验分析 | 第48-49页 |
| ·数据采集 | 第48页 |
| ·网络流量识别算法测试方法 | 第48-49页 |
| ·测试结果与分析 | 第49-53页 |
| ·特征选择 | 第49-51页 |
| ·各评估指标测试结果 | 第51-52页 |
| ·实验结果分析 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第六章 结束语 | 第54-56页 |
| ·结束语 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录1 流量特征表 | 第60-62页 |
| 附录2 流量识别分析软件工具介绍-WEKA | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表或已录用的学术论文 | 第67页 |
