| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 引言 | 第9-19页 |
| ·研究背景和意义 | 第9-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·主要研究内容 | 第17-18页 |
| ·结构安排 | 第18-19页 |
| 第2章 相关理论基础概述 | 第19-29页 |
| ·支持向量机 | 第19-22页 |
| ·支持向量机概述 | 第19-20页 |
| ·支持向量机理论基础 | 第20-22页 |
| ·遗传算法 | 第22-24页 |
| ·杜鹃搜索算法 | 第24-25页 |
| ·粒子群算法 | 第25-26页 |
| ·融合杜鹃搜索的粒子群算法 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 融合杜鹃搜索的粒子群算法的 P2P 流量特征选择方法 | 第29-48页 |
| ·P2P 流量特征及特征选择概述 | 第29-33页 |
| ·P2P 流量特征概述 | 第29-30页 |
| ·特征选择概述 | 第30-33页 |
| ·P2P 流量特征选择方法 | 第33-41页 |
| ·基于 GA 的 P2P 流量特征选择方法 | 第33-35页 |
| ·基于 CS 的 P2P 流量特征选择方法 | 第35-38页 |
| ·基于 PSO 的 P2P 流量特征选择方法 | 第38-40页 |
| ·基于 CS-PSO 的 P2P 流量特征选择方法 | 第40-41页 |
| ·仿真结果及分析 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于 CS-PSO 和 SVM 的 P2P 流量识别方法 | 第48-65页 |
| ·基于 SVM 的 P2P 流量识别方法 | 第48-49页 |
| ·SVM 参数优化概述 | 第49-51页 |
| ·SVM 参数优化及 P2P 流量识别方法 | 第51-58页 |
| ·基于 GA 的 SVM 参数优化方法 | 第51-53页 |
| ·基于 CS 的 SVM 参数优化方法 | 第53-54页 |
| ·基于 PSO 的 SVM 参数优化方法 | 第54-56页 |
| ·基于 CS-PSO 的 SVM 参数优化方法 | 第56-58页 |
| ·仿真结果与分析 | 第58-64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页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72页 |
