

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本學位論文來自于“電力信息通信網絡智能管道多維感知技術研究及應用”項目,研究目標為面向業(yè)務的流量識別與感知,主要內容為基于神經網絡的網絡流量識別算法研究,將神經網絡引入流量識別中改善分類性能。
針對特征屬性較多的現(xiàn)狀,論文通過研究特征選擇算法,提出一種基于屬性關系分析的特征選擇算法(Analysis of Relationship among Attributes based Feature Selection,ARAFS);
2、根據神經網絡理論,提出一種基于CS算法的神經網絡選擇構建集成方法(Cuckoo Search based Ensemble,CSEN);融合ARAFS與CSEN兩種方法,在Moore等人整理的數據集上驗證實際的流量識別效果。結果表明,本文提出的融合ARAFS與CSEN方法流量識別率較高,穩(wěn)定性較好,各評價指標得分較高。
全文共分為六章,主要內容為:
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,分析幾種比較常
3、見的流量識別技術,同時給出論文的章節(jié)安排。
第二章概述神經網絡理論,分析BP神經網絡的不足,引出神經網絡集成,歸納神經網絡集成中個體網絡與最終結果的生成方式。
第三章從搜索策略及評價準則入手分析特征選擇算法,提出了一種基于屬性關系分析的特征選擇算法(ARAFS),并在UCI數據集上對算法性能進行測試驗證有效性。
第四章分析選擇性神經網絡集成,提出一種基于CS算法的神經網絡選擇構建集成方法(CSEN),并在M
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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。
最新文檔
- 基于神經網絡的改進網絡流量預測算法的研究.pdf
- 基于神經網絡的網絡流量預測研究.pdf
- 基于灰色神經網絡模型的網絡流量預測算法研究.pdf
- 基于神經網絡的網絡流量分類方法研究.pdf
- 基于遺傳算法優(yōu)化小波神經網絡的網絡流量預測模型研究.pdf
- 基于粒子群小波神經網絡的網絡流量預測模型研究.pdf
- 基于PSO-BP神經網絡的網絡流量預測算法的研究與應用.pdf
- 基于蟻群算法優(yōu)化的小波神經網絡流量預測模型研究.pdf
- 基于優(yōu)化神經網絡的混合網絡流量預測模型仿真與實現(xiàn).pdf
- 結合分形神經網絡理論的網絡流量預測研究.pdf
- 基于神經網絡的非線性網絡流量分析與預測.pdf
- 基于神經網絡語音識別算法的研究.pdf
- 基于神經網絡的人臉識別算法研究.pdf
- 基于神經網絡的指紋識別算法研究.pdf
- 基于神經網絡的字符識別算法研究.pdf
- 基于高階神經網絡的文字識別算法研究.pdf
- 基于深度神經網絡的表情識別算法.pdf
- 網絡流量的混沌特性研究及網絡流量預測算法研究.pdf
- 基于云計算技術的實時網絡流量識別算法研究.pdf
- 網絡流量識別中特征選擇算法的研究與應用.pdf
評論
0/150
提交評論