| 目录 | 第1-6页 |
| 表目录 | 第6-7页 |
| 图目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-13页 |
| ·P2P 流量识别的提出 | 第11-12页 |
| ·课题来源及意义 | 第12-13页 |
| ·P2P 流量识别的研究现状 | 第13-14页 |
| ·研究思路与主要工作 | 第14-15页 |
| ·本文结构安排 | 第15-17页 |
| 第二章 基于机器学习的P2P 流量识别模型及算法分析 | 第17-23页 |
| ·引言 | 第17页 |
| ·问题抽象 | 第17-19页 |
| ·相关定义 | 第17页 |
| ·识别模型 | 第17-19页 |
| ·识别性能衡量指标 | 第19-20页 |
| ·识别算法分析 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于组合式特征选择算法和支持向量机的P2P 流量识别方法 | 第23-40页 |
| ·引言 | 第23页 |
| ·流量识别领域特征选择算法分析 | 第23-25页 |
| ·R-GA 算法设计 | 第25-28页 |
| ·R-GA 算法流程 | 第25-26页 |
| ·候选特征集合 | 第26-27页 |
| ·最优特征子集 | 第27-28页 |
| ·R-GA-SVM 识别方法 | 第28-32页 |
| ·SVM 介绍 | 第28-30页 |
| ·R-GA-SVM 流程 | 第30-32页 |
| ·实验分析 | 第32-38页 |
| ·实验数据集 | 第32-33页 |
| ·实验结果分析 | 第33-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于改进核模糊C 均值聚类算法的P2P 应用级分类方法 | 第40-50页 |
| ·引言 | 第40页 |
| ·P2P 文件共享与多媒体传输的流统计特征分析 | 第40-42页 |
| ·改进的核模糊C 均值聚类算法I-PSO-KFCM | 第42-46页 |
| ·FCM 介绍 | 第43页 |
| ·KFCM 介绍 | 第43-44页 |
| ·I-PSO-KFCM 算法设计 | 第44-46页 |
| ·实验分析 | 第46-49页 |
| ·实验数据集 | 第47页 |
| ·实验结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 P2P 流量实时识别原型系统设计与实现 | 第50-62页 |
| ·引言 | 第50页 |
| ·系统概述 | 第50-52页 |
| ·系统主要模块设计与实现 | 第52-57页 |
| ·流统计特征值实时计算模块 | 第52-54页 |
| ·P2P/非P2P 二元流量识别模块 | 第54-55页 |
| ·P2P 流量应用级分类模块 | 第55-56页 |
| ·流识别结果存储模块 | 第56-57页 |
| ·系统性能测试 | 第57-61页 |
| ·测试环境 | 第57-58页 |
| ·系统性能关键参数N 的确定 | 第58-59页 |
| ·系统运行结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结束语 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第68-69页 |
| 致谢 | 第69页 |
