基于神經網絡的網絡流量識別算法研究.pdf

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