摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第11-21页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 IP定位技术概述 | 第12页 |
1.3 IP定位技术研究现状 | 第12-19页 |
1.3.1 基于数据库查询的定位 | 第13页 |
1.3.2 基于网络测量的定位 | 第13-18页 |
1.3.3 基于机器学习的IP定位 | 第18-19页 |
1.4 现有算法存在的主要问题 | 第19-20页 |
1.5 本文主要工作及内容安排 | 第20-21页 |
第二章 基于社区发现的IP城市级定位算法 | 第21-36页 |
2.1 现有HC-based定位算法的原理分析 | 第21-23页 |
2.2 基于社区发现的IP城市级定位算法的原理及主要步骤 | 第23-26页 |
2.2.1 基于社区发现的网络节点聚类 | 第25-26页 |
2.2.2 基于社区位置定位目标IP | 第26页 |
2.3 算法分析 | 第26-31页 |
2.3.1 网络拓扑社区与城域网关系分析 | 第26-29页 |
2.3.2 分离骨干网和非骨干网对定位结果的影响分析 | 第29-30页 |
2.3.3 与HC-Based算法的原理对比分析 | 第30-31页 |
2.4 实验结果与分析 | 第31-34页 |
2.4.1 实验设置 | 第31-32页 |
2.4.2 与HC-Based算法对比实验 | 第32-34页 |
2.5 本章小结 | 第34-36页 |
第三章 基于特征聚类的IP城市级定位算法 | 第36-46页 |
3.1 现有LBG定位算法原理分析 | 第36-38页 |
3.2 基于路径和时延特征聚类的IP定位算法 | 第38-42页 |
3.2.1 基于决策树的IP定位算法 | 第38-40页 |
3.2.2 基于决策树和随机森林的定位算法 | 第40-42页 |
3.3 实验结果与分析 | 第42-45页 |
3.3.1 实验设置 | 第42-43页 |
3.3.2 实验结果与分析 | 第43-45页 |
3.4 本章小结 | 第45-46页 |
第四章 基于网络拓扑聚类的IP城市级定位原型系统 | 第46-53页 |
4.1 系统设计 | 第46-47页 |
4.2 系统主要功能 | 第47-49页 |
4.2.1 网络测量与数据采集模块 | 第48页 |
4.2.2 IP城市级定位模块 | 第48页 |
4.2.3 可视化模块 | 第48-49页 |
4.3 系统功能主要界面 | 第49-52页 |
4.4 本章小结 | 第52-53页 |
第五章 总结与展望 | 第53-55页 |
5.1 全文工作总结 | 第53-54页 |
5.2 论文存在的不足 | 第54页 |
5.3 下一步研究展望 | 第54-55页 |
致谢 | 第55-56页 |
参考文献 | 第56-60页 |
作者简历 | 第60页 |