声明
摘要
第一章 绪论
1.1 课题背景和研究目的
1.2 流量分类方法概述
1.2.1 流量分类基本概念
1.2.2 流量分类技术的发展现状
1.2.3 四种流量分类方法的比较
1.3 论文章节安排
第二章 基于机器学习的流量分类方法和特征选择技术
2.1 流量分类方法的选择
2.1.1 电力信息通信网对流量分类技术的需求
2.1.2 流量分类方法的选择
2.2 基于机器学习的流量分类方法
2.2.1 无监督机器学习方法
2.2.2 有监督机器学习方法
2.3 特征选择
2.3.1 特征选择的定义
2.3.2 特征选择在机器学习分类算法中的应用
2.4 本章小结
第三章 机器学习算法的分类性能以及特征选择方法的选择
3.1 C4.5决策树算法
3.1.1 C4.5决策树算法原理
3.1.2 C4.5算法分类性能
3.1.3 与C4.5算法相适应的特征选择方法
3.2 朴素贝叶斯分类器
3.2.1 朴素贝叶斯分类器原理
3.2.2 NBC算法的分类性能
3.2.3 与NBC算法相适应的特征选择方法
3.3 支持向量机
3.3.1 支持向量机原理
3.3.2 与SVM相适应的特征选择方法
3.3.3 g参数和C参数对SVM算法分类性能的影响
3.4 本章小结
第四章 基于CIG和CGR的特征选择方法
4.1 CIG与CGR特征选择的原理
4.2 CIG特征选择方法在机器学习分类算法中的性能
4.2.1CIG在C4.5决策树算法中的性能
4.2.2 CIG在NBC算法中的性能
4.2.3 CIG在SVM算法中的性能
4.3 CGR特征选择方法在机器学习分类算法中的性能
4.3.1 CGR在C4.5算法中的性能
4.3.2 CGR在NBC算法中的性能
4.3.3 CGR在SVM算法中的性能
4.4 CIG与CGR性能比较
4.5 本章小结
第五章 总结与展望
5.1 研究工作的总结
5.2 未来工作的展望
致谢
参考文献
攻读硕士学位期间的研究成果