基于人工蜂群算法和小波SVM的P2P流量识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-19页 |
| ·研究背景和意义 | 第10-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·研究内容 | 第17页 |
| ·内容安排 | 第17-19页 |
| 第2章 基本理论基础概述 | 第19-27页 |
| ·支持向量机 | 第19-22页 |
| ·支持向量机概述 | 第19-20页 |
| ·支持向量机的基本原理 | 第20-22页 |
| ·遗传算法 | 第22-23页 |
| ·粒子群算法 | 第23-24页 |
| ·人工蜂群算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于人工蜂群算法的P2P流量特征选择方法 | 第27-43页 |
| ·P2P流量特征选择 | 第27-30页 |
| ·P2P流量特征 | 第27-28页 |
| ·特征选择 | 第28-30页 |
| ·P2P流量特征选择方法 | 第30-36页 |
| ·基于GA的P2P流量特征选择方法 | 第30-32页 |
| ·基于PSO的P2P流量特征选择方法 | 第32-34页 |
| ·基于ABC的P2P流量特征选择方法 | 第34-36页 |
| ·实验结果与分析 | 第36-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于ABC和小波SVM的P2P流量识别 | 第43-65页 |
| ·小波分析理论基础 | 第43-45页 |
| ·小波的多尺度分析 | 第43-45页 |
| ·小波支持向量机模型 | 第45-50页 |
| ·小波核函数 | 第45-47页 |
| ·SVM参数的优化 | 第47-49页 |
| ·小波SVM的P2P流量识别方法 | 第49-50页 |
| ·SVM参数优化及P2P流量识别 | 第50-55页 |
| ·基于GA的SVM参数优化方法 | 第50-52页 |
| ·基于PSO的SVM参数优化方法 | 第52-54页 |
| ·基于ABC的SVM参数优化方法 | 第54-55页 |
| ·仿真结果分析 | 第55-64页 |
| ·实验环境 | 第55页 |
| ·实验的方法 | 第55-56页 |
| ·实验的评价标准 | 第56页 |
| ·实验数据的分析与结果验证 | 第56-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71页 |
