基于统计特征的有噪网络流量分类方法及应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-14页 |
| 1.2.1 多类有监督的方法 | 第11-12页 |
| 1.2.2 无监督聚类的方法 | 第12-13页 |
| 1.2.3 一类有监督的方法 | 第13页 |
| 1.2.4 实验比较各类算法 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 研究目的及意义 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 噪声分析 | 第16-33页 |
| 2.1 网络流量及流量分类介绍 | 第16-17页 |
| 2.1.1 网络流量介绍 | 第16页 |
| 2.1.2 网络流量分类介绍 | 第16-17页 |
| 2.2 基于统计特征的网络流量分类过程 | 第17-18页 |
| 2.3 基于统计特征的网络流量分类算法 | 第18-21页 |
| 2.3.1 C4.5决策树 | 第18-19页 |
| 2.3.2 支持向量机 | 第19-20页 |
| 2.3.3 贝叶斯神经网络 | 第20页 |
| 2.3.4 随机森林 | 第20-21页 |
| 2.3.5 K最近邻 | 第21页 |
| 2.4 有噪网络流量 | 第21-22页 |
| 2.5 实验设置 | 第22-24页 |
| 2.5.1 实验平台 | 第22页 |
| 2.5.2 实验数据 | 第22-24页 |
| 2.6 评估指标 | 第24-25页 |
| 2.7 实验评估 | 第25-32页 |
| 2.7.1 无噪网络流量 | 第26-27页 |
| 2.7.2 有噪网络流量 | 第27-32页 |
| 2.8 本章小结 | 第32-33页 |
| 第三章 抗噪的网络流量分类方法 | 第33-43页 |
| 3.1 集成分类器 | 第33-36页 |
| 3.1.1 集成分类器概念 | 第33-34页 |
| 3.1.2 集成分类器技术 | 第34页 |
| 3.1.3 分类器集成算法 | 第34-36页 |
| 3.2 抗噪的网络流量分类方法 | 第36-42页 |
| 3.2.1 系统模型 | 第36页 |
| 3.2.2 噪声鉴别和清除 | 第36-37页 |
| 3.2.3 噪声容忍 | 第37-39页 |
| 3.2.4 理论分析 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 实验和分析 | 第43-53页 |
| 4.1 实验设置 | 第43-45页 |
| 4.2 整体性能 | 第45-47页 |
| 4.3 类性能 | 第47-48页 |
| 4.4 流量相关性 | 第48-50页 |
| 4.5 鲁棒性 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作的总结 | 第53页 |
| 5.2 未来工作的展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 发表文章及参研项目 | 第61页 |
