首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

网络数据冗余模式分析系统研究与实现

摘要第4-5页
ABSTRACT第5-6页
目录第7-11页
第一章 绪论第11-19页
    1.1 课题研究的背景与意义第11-13页
        1.1.1 互联网流量增长迅速第11页
        1.1.2 网络数据包之间的冗余第11-12页
        1.1.3 CDN技术与冗余消除第12页
        1.1.4 选题来源与意义第12-13页
    1.2 国内外研究现状第13-14页
        1.2.1 协议无关的冗余消除技术发展第13-14页
        1.2.2 针对单一网站访问的冗余消除第14页
        1.2.3 针对网络数据传输的冗余模式分析第14页
    1.3 论文研究目标和成果第14-17页
        1.3.1 论文研究目标第14-16页
        1.3.2 论文主要成果第16-17页
    1.4 研究生期间的主要工作第17-18页
    1.5 论文结构安排第18页
    1.6 本章小结第18-19页
第二章 网络数据冗余模式分析关键技术研究第19-27页
    2.1 网络数据冗余分析技术方案体系第19页
    2.2 数据冗余消除相关技术研究第19-24页
        2.2.1 数据冗余消除核心技术第19-20页
        2.2.2 冗余消除缓存字典相关技术方案第20-22页
        2.2.3 拉宾卡普算法第22-23页
        2.2.4 WINNOWING算法第23页
        2.2.5 MAXP算法第23-24页
    2.3 现有网络数据冗余分析技术方案研究第24-25页
        2.3.1 分客户端数据冗余分析技术第24页
        2.3.2 分数据类型冗余分析技术第24页
        2.3.3 冗余分析结论的产生方法第24-25页
    2.4 现有网络数据冗余分析技术方案的缺点第25-26页
        2.4.1 分客户端数据冗余分析技术第25页
        2.4.2 分数据类型冗余分析技术第25页
        2.4.3 冗余分析结论的产生方法第25-26页
    2.5 本章小结第26-27页
第三章 网络数据冗余模式分析系统的设计第27-43页
    3.1 系统总体设计思想第27-28页
    3.2 冗余分析系统技术方案的设计与改进第28-33页
        3.2.1 冗余消除核心技术方案第28-29页
        3.2.2 数据包中TCP流的恢复第29页
        3.2.3 分数据类型冗余分析技术方案第29-30页
        3.2.4 分客户端冗余分析技术方案第30-33页
    3.3 系统对数据的分析流程第33-35页
        3.3.1 数据预处理流程第33-34页
        3.3.2 冗余模式分析流程第34-35页
    3.4 系统模块设计第35-42页
        3.4.1 数据预处理模块第36-37页
        3.4.2 网络数据基础分析模块第37页
        3.4.3 冗余模式分析模块第37-41页
        3.4.4 分析结果展现模块第41-42页
    3.5 本章小结第42-43页
第四章 网络数据冗余模式分析系统的实现第43-51页
    4.1 系统运行环境配置第43页
    4.2 数据预处理模块的实现第43-45页
        4.2.1 模块输入参数格式说明第44页
        4.2.2 输出文件命名格式与注意事项第44-45页
    4.3 网络数据基础分析模块的实现第45-48页
        4.3.1 从网络数据文件中恢复TCP链接第45-46页
        4.3.2 数据统计实现第46-48页
    4.4 冗余模式分析模块的实现第48-49页
        4.4.1 自动化字典生成实现第48页
        4.4.2 数据包中字段的识别第48-49页
    4.5 结果分析与展现模块的实现第49-51页
第五章 冗余模式分析系统的验证与分析成果第51-80页
    5.1 使用示例数据对系统的验证第51-57页
        5.1.1 系统运行效果第51-56页
        5.1.2 运行效果分析第56-57页
    5.2 示例数据的分析成果第57-79页
        5.2.1 字典大小维度第57-63页
        5.2.2 字典更新周期维度第63-69页
        5.2.3 压缩内容类型维度第69-77页
        5.2.4 分客户端统计分析第77-79页
    5.3 分析结论与成果总结第79页
    5.4 本章小结第79-80页
第六章 总结与展望第80-82页
    6.1 论文总结第80-81页
    6.2 进一步工作第81-82页
参考文献第82-84页
附录1第84-85页
致谢第85页

论文共85页,点击 下载论文
上一篇:基于REST的个性化数据开放服务的研究与实现
下一篇:大规模机器学习在算法交易中的应用与研究