网络游戏流特征分析和识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文工作和内容安排 | 第10-12页 |
| 第二章 SVM相关理论简介 | 第12-24页 |
| 2.1 二分类SVM | 第12-16页 |
| 2.1.1 线性可分支持向量机 | 第12-14页 |
| 2.1.2 线性不可分支持向量机 | 第14-15页 |
| 2.1.3 非线性支持向量机 | 第15-16页 |
| 2.2 SVM多分类算法 | 第16-23页 |
| 2.2.1 一对多方法 | 第16-17页 |
| 2.2.2 一对一方法 | 第17-18页 |
| 2.2.3 DAG方法 | 第18-20页 |
| 2.2.4 纠错输出编码 | 第20-21页 |
| 2.2.5 决策树方法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 业务流特征分析 | 第24-49页 |
| 3.1 数据集 | 第24-25页 |
| 3.2 数据预处理 | 第25-29页 |
| 3.3 包大小 | 第29-35页 |
| 3.4 BPS | 第35-38页 |
| 3.5 下上行字节数之比 | 第38-41页 |
| 3.6 包速率-PPS | 第41-43页 |
| 3.7 包到达时间间隔 | 第43-48页 |
| 3.8 本章小结 | 第48-49页 |
| 第四章 特征选取与分类实验 | 第49-62页 |
| 4.1 实验流程 | 第49-50页 |
| 4.2 工具介绍 | 第50-54页 |
| 4.2.1 wireshak | 第50-51页 |
| 4.2.2 gawk | 第51-52页 |
| 4.2.3 Libsvm工具包 | 第52-54页 |
| 4.3 分类效果的衡量标准 | 第54页 |
| 4.4 特征选取 | 第54-55页 |
| 4.5 实验结果 | 第55-61页 |
| 4.5.1 IP过滤 | 第56-57页 |
| 4.5.2 对比文献方法 | 第57-61页 |
| 4.5.3 不同时间尺度 | 第61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录1 攻读硕士学位期间申请的专利 | 第67-68页 |
| 致谢 | 第68页 |
