| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外P2P流量识别研究现状 | 第13-17页 |
| 1.2.1 端口识别法 | 第13-14页 |
| 1.2.2 应用层签名识别法 | 第14-15页 |
| 1.2.3 基于行为特征识别法 | 第15页 |
| 1.2.4 机器学习识别法 | 第15-16页 |
| 1.2.5 深度学习识别法 | 第16-17页 |
| 1.3 本文的主要工作和研究内容 | 第17-19页 |
| 1.3.1 主要工作和研究内容 | 第17-18页 |
| 1.3.2 文章结构设计 | 第18-19页 |
| 第2章 P2P流媒体识别技术理论分析 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 基于流媒体的P2P技术 | 第19-24页 |
| 2.2.1 P2P网络架构 | 第19-21页 |
| 2.2.2 覆盖网络 | 第21-22页 |
| 2.2.3 视频数据块调度和传输策略 | 第22-24页 |
| 2.3 机器学习算法理论分析 | 第24-31页 |
| 2.3.1 监督学习 | 第24-28页 |
| 2.3.2 无监督学习 | 第28-29页 |
| 2.3.3 半监督学习 | 第29-31页 |
| 2.4 基于机器学习的P2P流量识别技术理论 | 第31-32页 |
| 2.4.1 P2P流量识别概念 | 第31页 |
| 2.4.2 P2P流量特征采集 | 第31页 |
| 2.4.3 P2P流量识别评估 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于MS-Relief F的 P2P流量特征选择 | 第33-45页 |
| 3.1 引言 | 第33-34页 |
| 3.2 特征选择 | 第34-37页 |
| 3.2.1 特征选择分类 | 第34页 |
| 3.2.2 特征选择算法 | 第34-37页 |
| 3.3 MS-ReliefF特征选择算法 | 第37-39页 |
| 3.3.1 纵向联合特征权重选择法 | 第37页 |
| 3.3.2 横向特征相关性过滤法 | 第37页 |
| 3.3.3 MS-ReliefF算法 | 第37-39页 |
| 3.4 实验结果分析 | 第39-43页 |
| 3.4.1 实验数据 | 第39-41页 |
| 3.4.2 实验结果比较 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于PSDW-KNN算法的P2P流量识别 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 KNN算法 | 第45-47页 |
| 4.2.1 KNN算法 | 第45-46页 |
| 4.2.2 DW-KNN算法 | 第46-47页 |
| 4.3 PSDW-KNN算法 | 第47-50页 |
| 4.3.1 PSDW-KNN算法介绍 | 第47-48页 |
| 4.3.2 皮尔森相关系数 | 第48页 |
| 4.3.3 贡献率 | 第48-50页 |
| 4.4 实验结果分析 | 第50-54页 |
| 4.4.1 实验数据 | 第50-51页 |
| 4.4.2 实验结果比较 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 基于Spark MLlib的分布式P2P流量识别系统 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 Spark MLlib机器学习框架 | 第55-56页 |
| 5.2.1 Spark集群介绍 | 第55-56页 |
| 5.2.2 Spark MLlib库介绍 | 第56页 |
| 5.3 基于Spark MLlib的 P2P流量识别系统实现 | 第56-62页 |
| 5.3.1 P2P流量识别系统架构介绍 | 第56-61页 |
| 5.3.2 系统环境配置 | 第61-62页 |
| 5.4 系统识别结果与验证 | 第62-64页 |
| 5.4.1 系统识别结果 | 第62-64页 |
| 5.4.2 系统识别准确度验证 | 第64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 结论 | 第65-66页 |
| 6.1 结论 | 第65页 |
| 6.2 下一步工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间主要的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附录1:MS-ReliefF算法实现核心代码 | 第71-83页 |
| 附录1.1 load_data_sets.py模块 | 第71-74页 |
| 附录1.2 MS_ReliefF.py模块 | 第74-83页 |
| 附录2:PSDW-KNN算法实现核心代码 | 第83-86页 |
| 附录2.1 PSDW_KNN.py模块 | 第83-86页 |
