文摘
英文文摘
声明
第1章绪论
1.1课题研究来源及研究的目的和意义
1.2国内外研究现状
1.2.1 P2P流量研究现状
1.2.2支持向量机的研究现状
1.3论文的主要工作
1.4论文的结构安排
第2章 P2P技术及其流量检测概述
2.1 P2P技术概述
2.1.1 P2P定义
2.1.2 P2P网络结构
2.1.3 P2P网络特点
2.2 P2P流量检测问题分析
2.2.1 P2P流量特征
2.2.2 P2P流量控制中存在的问题
2.3 P2P流量检测技术
2.3.1基于固定端口的检测技术
2.3.2基于深层数据包检测技术
2.3.3基于流量特征的检测技术
2.4本章小结
第3章统计学习理论及LS-SVM算法改进
3.1引言
3.2机器学习的基本数学问题
3.2.1问题的数学模型表示
3.2.2经验风险最小化
3.2.3复杂性与推广能力
3.3统计学习理论的核心内容
3.3.1 VC维
3.3.2推广性的界
3.3.3结构风险最小化原则
3.4支持向量机理论
3.4.1广义最优分类面与线性可分
3.4.2线性不可分与核函数
3.5改进最小二乘支持向量机
3.5.1 LS-SVM原理
3.5.2改进LS-SVM算法
3.6本章小结
第4章基于SVM的P2P流量检测方法
4.1基于SVM的P2P流量检测方法分析
4.2问题描述及理论思想
4.3网络流量样本特征提取
4.3.1数据采集
4.3.2特征提取
4.4数据预处理
4.5核函数的选取
4.6交叉组合法选取核参数及参数分析
4.7检测流程
4.8实验结果及分析
4.9本章小结
第5章优化SVM改进支持向量机多分类算法
5.1经典多分类SVM
5.1.1一对一(1-vs-1)分类器
5.1.2一对多(1-vs-all)分类器
5.1.3决策导向非循环图支持向量机
5.2基于二分类SVM的改进策略
5.3实验及结果分析
5.3.1实验数据及参数选择
5.3.2模型结构
5.3.3测试分类器及实验结果分析
5.4本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
哈尔滨理工大学;