基于機器學習的因特網(wǎng)流量分類研究.pdf_第1頁
已閱讀1頁，還剩75頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、因特網(wǎng)流量分類研究是眾多因特網(wǎng)研究的基礎，清楚地了解整個因特網(wǎng)的流量情況對于因特網(wǎng)流量建模、網(wǎng)絡運行維護管理、網(wǎng)絡安全及流量工程等均具有重要意義。在P2P應用逐漸普及的今天，基于端口和載荷的傳統(tǒng)流量分類方法逐漸凸現(xiàn)出局限性，迫切需要一種新型的、有效的流量分類方法，為因特網(wǎng)業(yè)務的QoS保證、網(wǎng)絡異常檢測等提供支撐。 本文在參考國外優(yōu)秀文獻和最新研究成果的基礎上，提出了兩個基于機器學習的流量分類模型。首先，第一個分類模型引入整體學習

2、和半監(jiān)督學習，一定程度上彌補了單假設算法性能低下的缺陷，并且可以利用網(wǎng)絡中容易可獲取的未標記流量來改善分類器性能。其次，第二個分類模型引入整體學習和代價敏感學習，重點關注真正影響網(wǎng)絡帶寬的"大象"流量，提高分類的字節(jié)準確率，改善流量控制設備的性能。實驗結果表明：兩個分類模型相對以往文獻中使用的流量分類模型，具有更好的性能。 本文在中山大學校園網(wǎng)主干的一條接入鏈路上設立監(jiān)測點并進行雙向的流量數(shù)據(jù)采集，然后對校園網(wǎng)中的流量進行分類，

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