| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-18页 |
| ·课题研究的背景和意义 | 第13-15页 |
| ·课题研究背景 | 第13-14页 |
| ·课题研究意义 | 第14-15页 |
| ·论文研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 相关技术理论 | 第18-27页 |
| ·P2P 流媒体流量识别技术 | 第18-19页 |
| ·基于应用层签名的识别技术 | 第18页 |
| ·基于行为特征的识别技术 | 第18页 |
| ·基于机器学习的识别技术 | 第18-19页 |
| ·支持向量机技术 | 第19-24页 |
| ·支持向量机的基本原理 | 第19-23页 |
| ·基于支持向量机的多分类技术 | 第23-24页 |
| ·SVM 增量学习相关技术 | 第24-26页 |
| ·基于属性增量的增量学习 | 第24-25页 |
| ·基于类增量的增量学习 | 第25-26页 |
| ·基于样本增量的增量学习 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 P2P 流媒体流量识别中属性增量问题的研究 | 第27-41页 |
| ·引言 | 第27页 |
| ·包大小分布特征 | 第27-31页 |
| ·包大小分布特征的基本原理 | 第27页 |
| ·包大小分布特征的构成 | 第27-30页 |
| ·包大小分布特征方法的优点和不足 | 第30-31页 |
| ·包大小组合特征 | 第31-33页 |
| ·包大小组合特征的基本原理 | 第31-32页 |
| ·包大小组合特征的构成 | 第32-33页 |
| ·包大小组合特征与包大小分布特征的关系 | 第33页 |
| ·包大小组合特征与增量学习 | 第33页 |
| ·基于包大小组合特征的P2P 流媒体流量识别 | 第33-35页 |
| ·SVM 训练过程 | 第33-34页 |
| ·拒绝域的选择与识别过程 | 第34-35页 |
| ·实验及结果分析 | 第35-39页 |
| ·实验设置 | 第35-36页 |
| ·SVM 核函数的选择 | 第36页 |
| ·不同置一阈值E 对识别结果的影响 | 第36-37页 |
| ·不同时间窗口对识别结果的影响 | 第37-38页 |
| ·拒绝阈值T 与识别精度的关系 | 第38-39页 |
| ·实验结论 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第四章 P2P 流媒体流量识别中的类增量学习方法研究 | 第41-58页 |
| ·引言 | 第41页 |
| ·类增量学习算法——CIOOL | 第41-47页 |
| ·类增量学习算法应满足的条件 | 第41-42页 |
| ·CIOOL 算法的基本原理 | 第42-43页 |
| ·CIOOL 算法流程 | 第43页 |
| ·CIOOL 算法的衡量指标 | 第43-44页 |
| ·实验及结果分析 | 第44-47页 |
| ·加入FSR 算法的CIOOL——CIOOL+ | 第47-56页 |
| ·问题背景 | 第47-48页 |
| ·凸壳问题 | 第48-49页 |
| ·基于“骨架向量”的样本精减算法——FSR | 第49-51页 |
| ·实验及分析 | 第51-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 针对已知应用协议变更的类更替增量学习方法研究 | 第58-64页 |
| ·引言 | 第58页 |
| ·类更替增量学习算法——CRIOOL | 第58-63页 |
| ·已知应用升级更新问题 | 第58-59页 |
| ·已知应用失效问题 | 第59页 |
| ·CRIOOL 算法原理与流程 | 第59-61页 |
| ·实验及结果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 具有增量学习能力的P2P 流媒体识别系统的设计与实现 | 第64-77页 |
| ·需求分析 | 第64页 |
| ·系统功能需求 | 第64页 |
| ·系统性能需求 | 第64页 |
| ·架构设计 | 第64-67页 |
| ·系统工作流程分析 | 第65-66页 |
| ·系统总体架构 | 第66-67页 |
| ·系统模块设计 | 第67-70页 |
| ·P2P 流媒体数据处理模块 | 第67页 |
| ·SVM 训练模块 | 第67-68页 |
| ·P2P 流媒体流量识别模块 | 第68页 |
| ·P2P 流媒体流量增量学习模块 | 第68-69页 |
| ·基础文件库模块 | 第69-70页 |
| ·系统实现及在线实验 | 第70-76页 |
| ·系统部署 | 第70-71页 |
| ·原型系统——TV-EYE | 第71-72页 |
| ·在线实验 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第七章 结束语 | 第77-79页 |
| ·论文的创新与总结 | 第77-78页 |
| ·研究工作展望 | 第78-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 作者在学期间取得的学术成果 | 第85页 |
