声明
摘要
第1章 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.3 论文主要研究内容
1.4 论文的组织结构
第2章 网络流量识别的理论知识概述
2.1 特征处理方法
2.2 网络流量识别的概念
2.3 传统的流量识别方法
2.4 基于机器学习的流量识别方法
2.5 评价标准
2.6 本章小结
第3章 基于K-L变换的ReliefF特征选择算法研究
3.1 流量特征
3.2 K-L变换
3.3 ReliefF算法
3.4 KL-RF算法
3.4.1 KL-RF算法的提出
3.4.2 KL-RF算法描述及分析
3.4.3 KL-RF算法流程
3.5 本章小结
第4章 网络流量识别算法的研究
4.1 SVM识别算法
4.1.1 SVM的工作原理
4.1.2 核函数
4.1.3 SVM的训练算法
4.1.4 SVM分类方法
4.2 AdaBoost算法
4.3 改进的AdaBoost-SVM算法
4.3.1 算法的提出
4.3.2 算法的改进
4.3.3 改进算法的分析
4.3.4 改进算法的流程
4.4 本章小结
第5章 基于机器学习的网络流量识别仿真
5.1 实验环境和实验数据
5.2 KL-RF算法的仿真及结果分析
5.3 改进的AdaBoost-SVM算法的仿真与结果分析
5.4 本章小结
结论
参考文献
攻读硕士学位期间所发表的论文
致谢