神经网络集成及其P2P流量识别的应用研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·神经网络的发展 | 第8-9页 |
| ·神经网络集成研究 | 第9-10页 |
| ·P2P流量识别的研究现状 | 第10-11页 |
| ·本文的研究内容及组织结构 | 第11-13页 |
| 2 神经网络 | 第13-21页 |
| ·神经网络概述 | 第13-14页 |
| ·RBF神经网络 | 第14-17页 |
| ·RBF神经网络结构 | 第14-15页 |
| ·RBF神经网络学习算法 | 第15-17页 |
| ·RBF神经网络的优点及问题 | 第17页 |
| ·FUZZY ARTMAP神经网络 | 第17-20页 |
| ·FUZZY ARTMAP的网络结构 | 第17-18页 |
| ·FUZZY ARTMAP神经网络学习算法 | 第18-20页 |
| ·FUZZY ARTMAP神经网络的优点及问题 | 第20页 |
| ·本章小结 | 第20-21页 |
| 3 神经网络集成 | 第21-29页 |
| ·引言 | 第21页 |
| ·神经网络集成的定义 | 第21页 |
| ·神经网络集成的原理 | 第21-22页 |
| ·神经网络集成的构造方法和相关技术 | 第22-28页 |
| ·个体生成方式研究 | 第23-27页 |
| ·结论生成方式分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 基于自适应遗传算法的神经网络集成 | 第29-35页 |
| ·遗传算法 | 第29页 |
| ·遗传算法的基本原理 | 第29-31页 |
| ·自适应遗传算法 | 第31-32页 |
| ·基于自适应遗传算法的神经网络集成 | 第32-34页 |
| ·基于最优权值的神经网络选择方法 | 第32-33页 |
| ·基于自适应遗传算法的实现方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 5 神经网络集成用于P2P流量识别 | 第35-43页 |
| ·引言 | 第35-36页 |
| ·流量特征分析 | 第36-39页 |
| ·流量采集 | 第36-37页 |
| ·P2P流量特征总结 | 第37-39页 |
| ·流量特征选择 | 第39-40页 |
| ·神经网络集成的识别过程 | 第40-42页 |
| ·神经网络个体的构建 | 第41页 |
| ·神经网络的集成方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 6 仿真结果及结果分析 | 第43-55页 |
| ·仿真和结果分析 | 第43-52页 |
| ·神经网络集成的优化方案 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 7 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
| A 作者在攻读硕士学位期间发表论文的情况 | 第61页 |
