基于流量的网络用户关联分析方法研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容及相关工作 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第二章 网络流量关联分析相关技术 | 第16-22页 |
| 2.1 流量分析技术 | 第16-18页 |
| 2.2 SVM分类理论 | 第18-20页 |
| 2.3 数据挖掘及SimRank算法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于属性相似度的网络用户关联分析模型 | 第22-39页 |
| 3.1 网络用户关联分析相关方法分析 | 第22-23页 |
| 3.2 基于属性相似度的网络用户关联模型结构 | 第23-24页 |
| 3.3 网络用户属性相似度特征 | 第24-31页 |
| 3.3.1 特征提取 | 第24-27页 |
| 3.3.2 属性相似度特征计算 | 第27-29页 |
| 3.3.3 特征优化 | 第29-31页 |
| 3.4 基于网络用户使用IP分布的SimRank | 第31-34页 |
| 3.4.1 账号-IP二部图构建 | 第31-33页 |
| 3.4.2 IP-SimRank算法 | 第33-34页 |
| 3.5 基于支持向量机的网络用户关联算法 | 第34-37页 |
| 3.5.1 算法基本流程 | 第34-35页 |
| 3.5.2 训练集构建 | 第35-36页 |
| 3.5.3 模型学习与训练 | 第36-37页 |
| 3.6 剪枝优化 | 第37-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 基于网络流量的用户关联分析的系统实现 | 第39-49页 |
| 4.1 系统框架设计 | 第39-40页 |
| 4.2 关键功能模块设计 | 第40-44页 |
| 4.2.1 流量解析模块 | 第40页 |
| 4.2.2 流量数据挖掘模块 | 第40-42页 |
| 4.2.3 IP-SimRank相似度分析模块 | 第42-43页 |
| 4.2.4 分类判定模块 | 第43页 |
| 4.2.5 数据存储模块 | 第43-44页 |
| 4.3 关键功能模块实现 | 第44-48页 |
| 4.3.1 流量解析模块 | 第44-45页 |
| 4.3.2 数据存储模块 | 第45-46页 |
| 4.3.3 分类判定模块 | 第46-47页 |
| 4.3.4 IP-SimRank分析模块 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 系统实验与结果分析 | 第49-58页 |
| 5.1 测试环境 | 第49页 |
| 5.2 实验数据及评估指标 | 第49-52页 |
| 5.2.1 实验样本 | 第50页 |
| 5.2.2 SVM分类模型训练 | 第50-52页 |
| 5.3 实验结果与分析 | 第52-57页 |
| 5.3.1 网络用户关联模型测试 | 第52-54页 |
| 5.3.2 剪枝优化性能实验 | 第54-55页 |
| 5.3.3 网络用户关联分析系统测试结果 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文主要工作 | 第58页 |
| 6.2 下一步工作计划 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
