發(fā)布時間：2021-11-06 17:49

　　隨著網(wǎng)絡(luò)技術(shù)的發(fā)展,網(wǎng)絡(luò)中的流量增長十分迅速。對網(wǎng)絡(luò)流量進(jìn)行實(shí)時且準(zhǔn)確的分類在網(wǎng)絡(luò)安全管理以及流量工程中顯得尤為重要。對于網(wǎng)絡(luò)應(yīng)用類型的日趨增長,傳統(tǒng)的基于端口號和協(xié)議的方法顯得尤為低效。本文對于網(wǎng)絡(luò)流量分類技術(shù)進(jìn)一步研究如何利用機(jī)器學(xué)習(xí)的方法提升網(wǎng)絡(luò)流量的分類精度,以及面對大規(guī)模流量數(shù)據(jù)時,如何提升實(shí)時傳輸?shù)哪芰ΑＪ紫?在對流量特征進(jìn)行提取時,面臨著流量特征種類繁多的問題,這將導(dǎo)致訓(xùn)練時間的開銷增大。為了解決因?yàn)樘卣魅哂鄬?dǎo)致的支持向量機(jī)訓(xùn)練開銷大的問題,本文提出了一種基于最大相關(guān)最小冗余的特征提取方法。該方法利用隨機(jī)變量之間的互信息,提取出相關(guān)性最大冗余度最小的特征值。仿真結(jié)果顯示,該方法可以有效減少訓(xùn)練時間,提升訓(xùn)練效率。其次,為了減少噪聲對支持向量機(jī)分類的影響,本文提出了一種新的基于改進(jìn)隸屬度的SVM流量分類算法。這種算法主要是計(jì)算每個樣本對應(yīng)于其各類的隸屬度,該隸屬度由樣本到超平面的距離來確定,用來度量每個樣本所擁有的權(quán)重。仿真結(jié)果顯示,該方法可以有效的減少噪聲和野值對分類精度造成的影響,從而提升支持向量機(jī)分類的準(zhǔn)確率。最后,在特征提取和支持向量機(jī)算法研究的基礎(chǔ)之上,本文提出了... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 特征選擇方法研究現(xiàn)狀
        1.2.2 流量分類方法現(xiàn)狀
        1.2.3 研究現(xiàn)狀總結(jié)
    1.3 論文工作及組織結(jié)構(gòu)
第二章 基于支持向量機(jī)的網(wǎng)絡(luò)流量技術(shù)分析
    2.1 網(wǎng)絡(luò)流量基本概念及分類模型
        2.1.1 網(wǎng)絡(luò)數(shù)據(jù)幀
        2.1.2 網(wǎng)絡(luò)數(shù)據(jù)流
        2.1.3 流量識別與分類模型
    2.2 特征選擇概述
        2.2.1 特征選擇概念
        2.2.2 特征選擇操作步驟
    2.3 支持向量機(jī)算法理論
        2.3.1 統(tǒng)計(jì)學(xué)習(xí)理論
        2.3.2 支持向量機(jī)方法
    2.4 并行計(jì)算技術(shù)
        2.4.1 MPI
        2.4.2 MapReduce并行架構(gòu)
        2.4.3 Spark并行架構(gòu)
    2.5 本章小節(jié)
第三章 一種基于最小冗余最大相關(guān)的特征選擇算法
    3.1 問題分析
        3.1.1 過濾式選擇
        3.1.2 包裹式選擇
    3.2 基于最小冗余最大相關(guān)的特征選擇算法
    3.3 性能仿真分析
        3.3.1 實(shí)驗(yàn)環(huán)境和方案
        3.3.2 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
第四章 一種基于改進(jìn)隸屬度的SVM流量分類算法
    4.1 問題分析
    4.2 基于改進(jìn)隸屬度的SVM流量分類算法
        4.2.1 隸屬度
        4.2.2 分類流程
    4.3 性能仿真分析
        4.3.1 實(shí)驗(yàn)環(huán)境和方案
        4.3.2 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 一種基于并行計(jì)算的流量分類算法
    5.1 問題分析
    5.2 基于并行計(jì)算的流量分類算法
    5.3 性能仿真分析
        5.3.1 實(shí)驗(yàn)環(huán)境和方案
        5.3.2 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于TCP/IP協(xié)議棧的串口-網(wǎng)口通信方案設(shè)計(jì)[J]. 齊宣,李一民,龍華,齊良春.  電子測量技術(shù). 2018(08)
[2]互聯(lián)網(wǎng)流量識別研究綜述[J]. 彭立志.  濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[3]基于CVFDT的網(wǎng)絡(luò)流量分類方法[J]. 朱欣,趙雷,楊季文.  計(jì)算機(jī)工程. 2011(12)
[4]基于半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類[J]. 佘鋒,王小玲.  計(jì)算機(jī)工程. 2009(12)
[5]并行計(jì)算的一體化研究現(xiàn)狀與發(fā)展趨勢[J]. 陳國良,孫廣中,徐云,龍柏.  科學(xué)通報(bào). 2009(08)



本文編號：3480260