基于數(shù)據(jù)流挖掘技術(shù)的流量識別.pdf_第1頁
已閱讀1頁，還剩64頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領

文檔簡介

1、互聯(lián)網(wǎng)新型應用的不斷涌現(xiàn)，使得互聯(lián)網(wǎng)的擁塞狀況日益加劇。為了監(jiān)測網(wǎng)絡是否安全、高效、穩(wěn)定地運行，確保各單位機構(gòu)局域網(wǎng)中有足夠的帶寬，使得對網(wǎng)絡流量進行準確的識別變得極為重要。本文的具體工作主要包括以下幾個方面：
　　 (1)本文分析了當前流量識別的主要方法的特點。對網(wǎng)絡流量識別的知識背景如現(xiàn)有的分類模型、網(wǎng)絡數(shù)據(jù)捕獲、特征抽取做了簡單的介紹，對基于機器學習的流量識別算法如樸素貝葉斯分類、C4.5決策樹、K均值、DBSCAN算法的

2、不足和缺陷做了分析。
　　 (2)本文設計了一種基于CVFDT決策樹的流量識別方法。CVFDT決策樹是一種數(shù)據(jù)流分類算法，相比原有的C4.5和樸素貝葉斯分類方法，CVFDT決策樹結(jié)點是增量創(chuàng)建的，且隨著更多訓練數(shù)據(jù)流入變得更加準確。此外原有的分類模型一旦建立，就不能動態(tài)更新，而該算法能處理概念漂移，適應于不斷變化中的網(wǎng)絡環(huán)境，能動態(tài)更新模型，具有較好的可擴展性，適應于在線識別。
　　 (3)本文設計了一種基于STRKM算

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論