网络流量识别中特征选择算法的研究与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·论文的研究目标及主要内容 | 第8-9页 |
| ·论文的组织结构 | 第9-11页 |
| 第二章 流量识别 | 第11-17页 |
| ·流量识别技术 | 第11-14页 |
| ·基于端口的流量识别方法 | 第11-13页 |
| ·基于载荷的流量识别方法 | 第13页 |
| ·基于主机行为模式的流量识别方法 | 第13页 |
| ·基于流量行为的识别方法 | 第13-14页 |
| ·混合流量识别方法 | 第14页 |
| ·流量识别评价标准 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 第三章 机器学习 | 第17-27页 |
| ·机器学习技术 | 第17-22页 |
| ·监督式学习 | 第17-21页 |
| ·非监督式学习 | 第21-22页 |
| ·半监督式学习 | 第22页 |
| ·特征选择算法 | 第22-25页 |
| ·特征选择算法基本概念 | 第23-24页 |
| ·特征选择算法分类 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第四章 基于互信息的特征选择算法改进 | 第27-41页 |
| ·基本概念介绍 | 第27-29页 |
| ·互信息度量 | 第27-28页 |
| ·对称不确定性 | 第28页 |
| ·特征集合优劣性评价 | 第28-29页 |
| ·一种基于互信息的 Filter 式特征选择法 | 第29-33页 |
| ·一种基于互信息的 Wrapper 式特征选择法 | 第33-35页 |
| ·实验设计与结果分析 | 第35-40页 |
| ·实验环境 | 第35页 |
| ·实验数据 | 第35-36页 |
| ·实验方法 | 第36-37页 |
| ·实验结果分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 改进的特征选择算法在流量识别中的应用 | 第41-51页 |
| ·网络流量特征 | 第41-42页 |
| ·实验设计与结果分析 | 第42-50页 |
| ·实验环境 | 第42-43页 |
| ·实验数据 | 第43-44页 |
| ·实验方法 | 第44-46页 |
| ·实验结果分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-58页 |
