基于神经网络的网络流量识别算法研究

摘要

本学位论文来自于“电力信息通信网络智能管道多维感知技术研究及应用”项目，研究目标为面向业务的流量识别与感知，主要内容为基于神经网络的网络流量识别算法研究，将神经网络引入流量识别中改善分类性能。
　　针对特征属性较多的现状，论文通过研究特征选择算法，提出一种基于属性关系分析的特征选择算法(Analysis of Relationship among Attributes based Feature Selection，ARAFS);根据神经网络理论，提出一种基于CS算法的神经网络选择构建集成方法(Cuckoo Search based Ensemble，CSEN);融合ARAFS与CSEN两种方法，在Moore等人整理的数据集上验证实际的流量识别效果。结果表明，本文提出的融合ARAFS与CSEN方法流量识别率较高，稳定性较好，各评价指标得分较高。
　　全文共分为六章，主要内容为:
　　第一章简介课题背景及研究意义，阐述流量识别的基本原理，分析几种比较常见的流量识别技术，同时给出论文的章节安排。
　　第二章概述神经网络理论，分析BP神经网络的不足，引出神经网络集成，归纳神经网络集成中个体网络与最终结果的生成方式。
　　第三章从搜索策略及评价准则入手分析特征选择算法，提出了一种基于属性关系分析的特征选择算法(ARAFS)，并在UCI数据集上对算法性能进行测试验证有效性。
　　第四章分析选择性神经网络集成，提出一种基于CS算法的神经网络选择构建集成方法(CSEN)，并在Matlab自带的数据集上验证其性能。
　　第五章将ARAFS算法与CSEN方法结合，在Moore数据集上采用精细指标考察其实际的流量识别效果。
　　最后一章归纳本学位论文的研究工作，指出进一步研究的工作方向。

目录

声明

摘要

缩略语

第一章 绪论

1．1 课题背景及研究意义

1．2 流量识别方法概述

1．2．1 流量识别原理

1．2．2 流量识别现状分析

1．2．3 流量识别的发展趋势

1．3 论文主要内容及章节安排

第二章 神经网络基本理论

2．1 神经网络概述

2．1．1 神经网络原理

2．1．2 神经网络分类

2．2 BP神经网络

2．3 神经网络集成

2．3．1 个体生成方式

2．3．2 结果生成方式

2．4 本章小结

第三章 基于属性关系分析的特征选择算法

3．1 特征选择概述

3．1．1 搜索策略

3．1．2 评价准则

3．2 属性关系分析的特征选择算法

3．2．1 基本原理

3．2．2 实现方法

3．3 仿真实验

3．3．1 数据集说明

3．3．2 实验方法

3．3．3 实验结果及分析

3．4 本章小结

第四章 基于CS算法的神经网络选择构建集成方法

4．1 选择性神经网络集成

4．1．1 理论分析

4．1．2 实现方法

4．2 CS算法基本原理

4．3 基于CS算法的神经网络选择方法

4．3．1 CSEN算法基本模型

4．3．2 实现方法

4．3．3 参数性能影响研究

4．4 仿真实验

4．4．1 数据集说明

4．4．2 实验方法

4．4．3 实验结果及分析

4．5 本章小结

第五章 基于神经网络的流量识别算法

5．1 实验基本数据说明

5．2 特征选择算法应用

5．2．1 实验方法

5．2．2 实验结果分析

5．3 CSEN在流量识别中的应用

5．3．1 实验方法及评价指标

5．3．2 实验结果分析

5．4 本章小结

第六章 总结与展望

6．1 研究工作总结

6．2 进一步工作展望

致谢

参考文献

攻读硕士学位期间的研究成果