基于模糊K-Means的网络流分类系统研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 网络流分类方法综述 | 第16-24页 |
| 2.1 网络流分类介绍 | 第16-18页 |
| 2.1.1 网络流分类的基本概念 | 第16页 |
| 2.1.2 网络流分类算法评价标准 | 第16-18页 |
| 2.2 网络流分类方法 | 第18-22页 |
| 2.2.1 基于端口的网络流分类方法 | 第18-19页 |
| 2.2.2 基于负载的网络流分类方法 | 第19-20页 |
| 2.2.3 基于机器学习的网络流分类方法 | 第20-22页 |
| 2.3 网络流分类方法综合比较 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于模糊聚类的网络流分类 | 第24-37页 |
| 3.1 网络流统计特征选取 | 第24-29页 |
| 3.1.1 基于经验的特征选择 | 第24-25页 |
| 3.1.2 基于机器学习的特征选择 | 第25-26页 |
| 3.1.3 结合两种方式筛选网络流特征 | 第26-28页 |
| 3.1.4 特征集效果评估 | 第28-29页 |
| 3.2 模糊K-Means聚类算法 | 第29-35页 |
| 3.2.1 算法介绍 | 第29-32页 |
| 3.2.2 优化初始化聚类中心 | 第32-34页 |
| 3.2.3 确定最优聚类数 | 第34-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第四章 网络流分类系统设计 | 第37-48页 |
| 4.1 系统总体结构设计 | 第37-38页 |
| 4.2 系统各模块设计 | 第38-47页 |
| 4.2.1 数据包捕获过滤模块 | 第38-40页 |
| 4.2.2 数据包解析模块 | 第40-41页 |
| 4.2.3 网络流汇聚模块 | 第41-43页 |
| 4.2.4 流统计特征提取模块 | 第43-45页 |
| 4.2.5 核心分类器模块 | 第45-46页 |
| 4.2.6 输出显示模块 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 网络流分类系统实现 | 第48-57页 |
| 5.1 系统实现 | 第48-52页 |
| 5.1.1 数据包捕获和解析界面 | 第48-50页 |
| 5.1.2 网络流汇聚与特征提取 | 第50-51页 |
| 5.1.3 分类算法配置和图形显示 | 第51-52页 |
| 5.2 实验和结果分析 | 第52-55页 |
| 5.2.1 实验环境和实验数据 | 第53页 |
| 5.2.3 实验和结果分析 | 第53-55页 |
| 5.3 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的论文 | 第63-65页 |
| 致谢 | 第65-66页 |
| 附录1 网络流特征集 | 第66-74页 |
