| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 概述 | 第9-13页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·可信网络的研究现状 | 第10页 |
| ·论文工作及创新点 | 第10-11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 可信网络及其业务感知需求 | 第13-21页 |
| ·可信网络基本描述 | 第13-16页 |
| ·可信计算的发展 | 第13-14页 |
| ·可信网络的含义 | 第14页 |
| ·可信网络的框架 | 第14-16页 |
| ·可信网络QoS技术 | 第16-18页 |
| ·QoS定义 | 第16页 |
| ·QoS技术 | 第16-17页 |
| ·可信网络的QoS监测管理 | 第17-18页 |
| ·可信网络环境下的业务感知技术 | 第18-21页 |
| ·业务感知技术 | 第18-19页 |
| ·业务感知与可信网络之亲密性 | 第19-21页 |
| 第三章 基于模糊神经网络(FNN)的流量识别方法 | 第21-40页 |
| ·业务识别技术 | 第21-26页 |
| ·端口识别方法 | 第21-22页 |
| ·深度包检测(DPI)识别法 | 第22-24页 |
| ·基于数据流连接行为的业务识别法 | 第24页 |
| ·基于机器学习的业务识别法 | 第24-26页 |
| ·模糊理论 | 第26-30页 |
| ·模糊理论概述 | 第26-27页 |
| ·模糊逻辑推理 | 第27-28页 |
| ·模糊逻辑系统 | 第28-30页 |
| ·基于模糊神经网络的流量识别模型的建立 | 第30-34页 |
| ·模糊逻辑系统与神经网络比较 | 第30-32页 |
| ·模糊神经网络模型的建立 | 第32-34页 |
| ·网络的学习算法 | 第34页 |
| ·特征属性选取 | 第34-36页 |
| ·实验结果与分析 | 第36-40页 |
| ·实验数据集 | 第36-37页 |
| ·实验环境 | 第37页 |
| ·评估策略 | 第37-38页 |
| ·实验结果分析 | 第38-40页 |
| 第四章 基于混合粒子群神经网络(CPSO-BP)的流量识别方法 | 第40-51页 |
| ·BP神经网络 | 第40-42页 |
| ·粒子群优化算法 | 第42-45页 |
| ·粒子群优化算法(PSO)概述 | 第42-43页 |
| ·粒子群优化算法步骤 | 第43-44页 |
| ·粒子群优化算法的优劣 | 第44-45页 |
| ·混合粒子群优化算法(CPSO-BP) | 第45-48页 |
| ·编码策略 | 第45-46页 |
| ·混沌机制 | 第46-47页 |
| ·混合粒子群优化算法(CPSO-BP)步骤 | 第47-48页 |
| ·实验及结果分析 | 第48-51页 |
| 第五章 可信网络流量管理系统的设计与实现 | 第51-66页 |
| ·系统总体介绍 | 第51-52页 |
| ·系统架构设计 | 第52-54页 |
| ·软件架构 | 第52-53页 |
| ·硬件架构 | 第53-54页 |
| ·业务感知模块 | 第54-60页 |
| ·业务感知识别模型框架 | 第54-55页 |
| ·业务感知的业务识别层面 | 第55-59页 |
| ·功能测试 | 第59-60页 |
| ·流量控制模块 | 第60-66页 |
| ·流量控制流程 | 第60-61页 |
| ·流量适配 | 第61-62页 |
| ·队列调度 | 第62-63页 |
| ·策略管理算法 | 第63-65页 |
| ·功能测试 | 第65-66页 |
| 第六章 总结与展望 | 第66-67页 |
| ·本文的研究成果及意义 | 第66页 |
| ·下一步工作 | 第66-67页 |
| 致谢 | 第67-68页 |
| 缩略词 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 发表论文情况 | 第72-73页 |
| 参与项目情况 | 第73页 |