基于聚類分析的電力通信網(wǎng)絡(luò)流量分類算法研究.pdf

1、本學(xué)位論文來自于國家電網(wǎng)公司“電力通信網(wǎng)絡(luò)智能管道多維感知技術(shù)研究及應(yīng)用”科技項目，研究目標(biāo)為面向業(yè)務(wù)的流量識別與感知，主要內(nèi)容為基于期望最大化(Expectation Maximization，EM)算法的網(wǎng)絡(luò)流量識別算法研究，將EM算法引入流量識別中改善分類性能。
　　針對EM算法易受初始化影響的缺點，提出一種基于Z限制矩陣和Tsallis熵的EM改進(jìn)算法。此算法在分析了通用組件模型和獨立混合模型這兩種混合模型的優(yōu)缺點，結(jié)合二

2、者的特性構(gòu)建出一個限制矩陣Z，利用此限制矩陣Z和基于Tsallis熵的q參數(shù)確定性退火期望最大化(q-DAEM，q-Deterministic Annealing Expectation Maximization)算法構(gòu)建出新的算法，在Moore采集的網(wǎng)絡(luò)集上驗證實際的流量識別效果，結(jié)果表明此算法在增加部分計算量同時取得了比EM，DAEM都要好的分類效果。
　　針對EM算法構(gòu)建的高斯混合模型易受離群值影響的特點，提出一種基于中值位

3、置和基于秩的散布陣估計的空間EM算法。基于橢圓分布中均值和協(xié)方差均值崩潰點低，易受離群值影響的問題，將均值與分布替換成空間中值和秩協(xié)方差矩陣，在Moore采集的網(wǎng)絡(luò)集上驗證實際的流量識別效果，結(jié)果表明此算法對于識別率較低的ATTACK流量有明顯的識別效果。
　　全文共分為五章，主要內(nèi)容為:
　　第一章簡介課題背景及研究意義，闡述流量識別的基本原理，分析幾種常見的流量識別技術(shù)，著重介紹了用于流量識別的機器學(xué)習(xí)，同時給出論文的章

4、節(jié)安排。
　　第二章概述EM算法，分析EM算法中的不足之處，并介紹幾種已有的EM改進(jìn)算法。
　　第三章提出一種新的基于Z限制矩陣和Tsallis熵的EM改進(jìn)算法，并在Moore集上采用精細(xì)指標(biāo)考察其實際的流量識別效果。
　　第四章提出一種基于中值位置和秩散布陣估計得新的空間EM改進(jìn)算法，并在Moore集上基于ATTACK業(yè)務(wù)驗證算法的穩(wěn)健性，對離群值的不敏感性。
　　最后一章總結(jié)本學(xué)位論文的研究工作，分析不足之處