网络流量分类识别若干技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 简略字表 | 第10-16页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 引言 | 第16页 |
| 1.2 网络发展规模及现状 | 第16-19页 |
| 1.3 网络发展面临的挑战 | 第19-22页 |
| 1.4 网络流量分类识别技术的研究意义 | 第22-24页 |
| 1.5 课题来源和研究内容 | 第24-25页 |
| 1.6 论文结构 | 第25-28页 |
| 第二章 网络流量分类识别研究及进展 | 第28-42页 |
| 2.1 网络流量分类识别的发展历程 | 第28-29页 |
| 2.2 网络流量分类识别研究进展 | 第29-36页 |
| 2.2.1 国内外研究现状 | 第29-36页 |
| 2.2.2 存在的不足 | 第36页 |
| 2.3 网络流量分类识别过程 | 第36-38页 |
| 2.4 网络流量分类识别的基础概念 | 第38-40页 |
| 2.4.1 网络数据帧 | 第38-39页 |
| 2.4.2 网络数据流 | 第39页 |
| 2.4.3 网络流量分类 | 第39页 |
| 2.4.4 主要判别指标 | 第39-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第三章 基于贝叶斯更新的流量分类识别 | 第42-51页 |
| 3.1 引言 | 第42页 |
| 3.2 相关研究 | 第42-43页 |
| 3.3 贝叶斯分类器 | 第43-44页 |
| 3.4 贝叶斯更新网络模型 | 第44-46页 |
| 3.5 实验与结果分析 | 第46-50页 |
| 3.5.1 实验数据集 | 第46-48页 |
| 3.5.2 实验分析 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于神经网络的流量分类识别 | 第51-79页 |
| 4.1 引言 | 第51-52页 |
| 4.2 相关工作 | 第52-53页 |
| 4.3 FFNN系统模型 | 第53-66页 |
| 4.3.1 贝叶斯规整化 | 第54-56页 |
| 4.3.2 FCBF属性选择算法 | 第56-59页 |
| 4.3.3 实验数据集 | 第59-60页 |
| 4.3.4 实验结果分析 | 第60-66页 |
| 4.4 SOM和PNN模型 | 第66-77页 |
| 4.4.1 模型及算法流程 | 第66-71页 |
| 4.4.2 实验结果分析 | 第71-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 基于谱聚类的流量分类识别算法 | 第79-92页 |
| 5.1 引言 | 第79-80页 |
| 5.2 谱聚类理论基础 | 第80-83页 |
| 5.3 基于规范化的谱聚类分类识别算法描述 | 第83-84页 |
| 5.4 实验结果与分析 | 第84-90页 |
| 5.4.1 实验环境及数据集 | 第84-86页 |
| 5.4.2 实验结果分析 | 第86-90页 |
| 5.5 本章小结 | 第90-92页 |
| 第六章 基于半监督的流量分类识别算法 | 第92-103页 |
| 6.1 引言 | 第92-93页 |
| 6.2 相关工作 | 第93页 |
| 6.3 半监督的流量分类识别算法 | 第93-98页 |
| 6.3.1 基础概念 | 第93-95页 |
| 6.3.2 方法描述 | 第95-98页 |
| 6.4 实验及结果分析 | 第98-102页 |
| 6.4.1 数据与测度属性 | 第99-100页 |
| 6.4.2 实验结果分析 | 第100-102页 |
| 6.5 本章小结 | 第102-103页 |
| 第七章 基于流模型的流量行为特征 | 第103-113页 |
| 7.1 引言 | 第103-104页 |
| 7.2 相关工作 | 第104页 |
| 7.3 网络流模型分析 | 第104-109页 |
| 7.3.1 流量特性 | 第104-105页 |
| 7.3.2 基础概念 | 第105页 |
| 7.3.3 网络流模型扩展 | 第105-109页 |
| 7.4 实验分析 | 第109-111页 |
| 7.5 本章小结 | 第111-113页 |
| 第八章 总结与未来工作 | 第113-116页 |
| 8.1 相关研究工作总结 | 第113-114页 |
| 8.2 未来研究工作展望 | 第114-116页 |
| 致谢 | 第116-117页 |
| 参考文献 | 第117-126页 |
| 攻读博士学位期间工作与研究成果 | 第126-128页 |
