基于改进的k均值聚类算法的P2P流量识别的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究背景 | 第8-9页 |
| ·课题研究的意义 | 第9-10页 |
| ·课题研究的内容 | 第10-12页 |
| 2 P2P流量识别方法 | 第12-19页 |
| ·P2P技术的发展 | 第12-14页 |
| ·P2P技术的定义 | 第12页 |
| ·P2P技术的发展 | 第12-13页 |
| ·P2P技术的特点 | 第13-14页 |
| ·P2P流量识别方法 | 第14-18页 |
| ·基于端口号检测的识别方法 | 第14-15页 |
| ·基于深度包检测的识别方法 | 第15-16页 |
| ·基于深度流检测的识别方法 | 第16-17页 |
| ·基于机器学习的识别方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 数据挖掘技术在P2P流量识别中的应用 | 第19-31页 |
| ·数据挖掘概述 | 第19页 |
| ·机器学习算法在P2P流量识别中的应用 | 第19-22页 |
| ·特征选择算法在P2P流量识别中的应用 | 第22-30页 |
| ·特征选择基本概念 | 第22-24页 |
| ·常见的特征选择算法 | 第24-25页 |
| ·ReliefF特征选择算法 | 第25页 |
| ·CFS特征选择算法 | 第25-26页 |
| ·P2P流量特征分析 | 第26-27页 |
| ·实验方案 | 第27-29页 |
| ·实验结果分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于球树的k均值聚类算法 | 第31-38页 |
| ·k均值聚类算法 | 第31-32页 |
| ·k均值聚类算法的基本原理 | 第31-32页 |
| ·k均值算法的性能分析及改进措施 | 第32页 |
| ·基于球树的聚类算法 | 第32-35页 |
| ·KD树的基本原理 | 第33-34页 |
| ·基于球树的k均值聚类 | 第34-35页 |
| ·实例分析 | 第35-36页 |
| ·实验设计与分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 5 改进的k均值聚类算法 | 第38-45页 |
| ·半监督k均值聚类算法 | 第38页 |
| ·改进的半监督k均值聚类算法 | 第38-39页 |
| ·簇到类的映射 | 第39页 |
| ·实验设计与性能分析 | 第39-44页 |
| ·实验方案设计 | 第39-40页 |
| ·结果评估与分析 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 6 P2P流量控制模型的研究 | 第45-55页 |
| ·P2P流量控制总体方案 | 第45页 |
| ·流量控制发展过程 | 第45-48页 |
| ·相关概念 | 第46页 |
| ·传统QOS | 第46-47页 |
| ·层次化流控 | 第47-48页 |
| ·二维动态流控技术 | 第48-52页 |
| ·流控策略 | 第48页 |
| ·共享池 | 第48-49页 |
| ·二维动态流控技术特点 | 第49-50页 |
| ·动态流控 | 第50-51页 |
| ·二维流控 | 第51-52页 |
| ·二维动态流控应用 | 第52-54页 |
| ·校园应用方案 | 第52-53页 |
| ·企业应用方案 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60-61页 |
