| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的目的和意义 | 第10-12页 |
| ·国内外研究现状 | 第12页 |
| ·SVM 的研究现状 | 第12-13页 |
| ·论文的主要工作 | 第13页 |
| ·本文的章节安排 | 第13-15页 |
| 第2章 P2P 技术及其流量检测方法综述 | 第15-23页 |
| ·P2P 技术综述 | 第15-19页 |
| ·P2P 定义 | 第15-16页 |
| ·P2P 网络结构 | 第16-18页 |
| ·P2P 模式和C/S 模式对比 | 第18页 |
| ·P2P 技术的应用 | 第18-19页 |
| ·P2P 流量检测 | 第19-22页 |
| ·基于固定端口的检测技术 | 第20页 |
| ·基于深层数据包的检测技术 | 第20-21页 |
| ·基于传输层行为的检测技术 | 第21-22页 |
| ·几种识别方法的比较 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 SVM 理论概述 | 第23-33页 |
| ·引言 | 第23页 |
| ·统计学习理论的核心内容 | 第23-26页 |
| ·期望风险 | 第23-24页 |
| ·VC 维 | 第24页 |
| ·泛化误差界 | 第24-25页 |
| ·结构风险最小化原则 | 第25-26页 |
| ·SVM 原始构造思想 | 第26-32页 |
| ·广义最优分类面与线性可分 | 第26-29页 |
| ·核函数 | 第29-31页 |
| ·增量SVM 原理 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 分治加权增量SVM 算法 | 第33-41页 |
| ·引言 | 第33页 |
| ·边界向量条件分析 | 第33-36页 |
| ·KKT 条件分析 | 第34-35页 |
| ·支持向量变化情况分析 | 第35-36页 |
| ·分治加权淘汰算法 | 第36-40页 |
| ·淘汰算法 | 第36-37页 |
| ·加权思想 | 第37-39页 |
| ·分治加权增量训练算法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 基于分治加权增量SVM 的P2P 流量检测方法 | 第41-53页 |
| ·引言 | 第41页 |
| ·建立检测模型 | 第41-42页 |
| ·网格数据捕捉模块 | 第42-44页 |
| ·数据采集软件 | 第42-44页 |
| ·实验数据信息 | 第44页 |
| ·数据预处理模块 | 第44-48页 |
| ·网格流量样本特征提取依据 | 第44-47页 |
| ·数据特征提取 | 第47页 |
| ·数据预处理 | 第47-48页 |
| ·核函数的选取 | 第48页 |
| ·SVM 识别模块的设计实现 | 第48-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |