本文關(guān)鍵詞：基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類算法研究

  更多相關(guān)文章： 機(jī)器學(xué)習(xí) C4.5決策樹 樸素貝葉斯 支持向量機(jī) 特征選擇

【摘要】：本學(xué)位論文來自于“電力信息通信網(wǎng)絡(luò)智能管道多維感知技術(shù)研究及應(yīng)用”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)容為基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量識別算法研究。論文首先介紹了目前運(yùn)用在網(wǎng)絡(luò)流量分類領(lǐng)域的四大類分類方法：基于端口映射、基于有效負(fù)載、基于主機(jī)行為以及基于機(jī)器學(xué)習(xí)的流量分類方法。通過比較四類分類方法的特點(diǎn),得出了基于機(jī)器學(xué)習(xí)的流量分類方法是目前最適合應(yīng)用在電力通信網(wǎng)環(huán)境中的流量分類方法。之后本文著重研究了三種典型的機(jī)器學(xué)習(xí)分類算法：C4.5決策樹算法,樸素貝葉斯分類器和支持向量機(jī)。針對每種算法,本文通過分析實驗數(shù)據(jù)得出了他們在摩爾數(shù)據(jù)集中的分類性能,比較了不同的特征選擇方法對分類結(jié)果的影響,并針對支持向量機(jī)研究了g參數(shù)和C參數(shù)對于分類性能的影響。最后,本文提出基于CIG和CGR的特征選擇方法,并在三種機(jī)器學(xué)習(xí)算法中應(yīng)用分析其性能,比較它們與已有特征選擇方法的性能差異。結(jié)果表明,本文中提出的CIG特征選擇方法在每種分類算法中都能獲得較好的性能。全文共分為五章,各章節(jié)的主要內(nèi)容為：第一章為緒論,簡單介紹了課題背景及研究目的,同時給出了論文的章節(jié)安排。第二章概述了目前四大類流量分類方法,通過分析其各自特點(diǎn)以及結(jié)合電力信息通信網(wǎng)對流量分類技術(shù)的要求,得出結(jié)論：基于機(jī)器學(xué)習(xí)的特征分類方法最適合應(yīng)用在電力信息通信網(wǎng)環(huán)境中。之后對特征選擇技術(shù)以及特征選擇在流量分類技術(shù)中的應(yīng)用進(jìn)行了介紹。第三章著重研究了三種常用的機(jī)器學(xué)習(xí)算法：C4.5決策樹算法,樸素貝葉斯分類器以及支持向量機(jī)。通過實驗分析了每種算法在摩爾數(shù)據(jù)集上的分類性能表現(xiàn),比較并分析出了與每種算法相適應(yīng)的特征選擇方法和特征子集大小選擇,并針對支持向量機(jī)研究了參數(shù)的選擇對分類性能的影響。第四章提出了基于CIG和CGR的特征選擇方法,并在三種機(jī)器學(xué)習(xí)算法中應(yīng)用這兩種特征選擇方法,分析其性能。最后一章歸納本學(xué)位論文的研究工作,指出未來進(jìn)一步研究的方向。
【關(guān)鍵詞】：機(jī)器學(xué)習(xí) C4.5決策樹 樸素貝葉斯 支持向量機(jī) 特征選擇
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.06;TP181
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 課題背景和研究目的8
• 1.2 流量分類方法概述8-10
• 1.2.1 流量分類基本概念8-9
• 1.2.2 流量分類技術(shù)的發(fā)展現(xiàn)狀9-10
• 1.2.3 四種流量分類方法的比較10
• 1.3 論文章節(jié)安排10-12
• 第二章 基于機(jī)器學(xué)習(xí)的流量分類方法和特征選擇技術(shù)12-16
• 2.1 流量分類方法的選擇12
• 2.1.1 電力信息通信網(wǎng)對流量分類技術(shù)的需求12
• 2.1.2 流量分類方法的選擇12
• 2.2 基于機(jī)器學(xué)習(xí)的流量分類方法12-14
• 2.2.1 無監(jiān)督機(jī)器學(xué)習(xí)方法12-13
• 2.2.2 有監(jiān)督機(jī)器學(xué)習(xí)方法13-14
• 2.3 特征選擇14-15
• 2.3.1 特征選擇的定義14-15
• 2.3.2 特征選擇在機(jī)器學(xué)習(xí)分類算法中的應(yīng)用15
• 2.4 本章小結(jié)15-16
• 第三章 機(jī)器學(xué)習(xí)算法的分類性能以及特征選擇方法的選擇16-46
• 3.1 C4.5決策樹算法16-25
• 3.1.1 C4.5決策樹算法原理16-17
• 3.1.2 C4.5算法分類性能17-18
• 3.1.3 與C4.5算法相適應(yīng)的特征選擇方法18-25
• 3.2 樸素貝葉斯分類器25-33
• 3.2.1 樸素貝葉斯分類器原理25
• 3.2.2 NBC算法的分類性能25-26
• 3.2.3 與NBC算法相適應(yīng)的特征選擇方法26-33
• 3.3 支持向量機(jī)33-45
• 3.3.1 支持向量機(jī)原理33-34
• 3.3.2 與SVM相適應(yīng)的特征選擇方法34-42
• 3.3.3 g參數(shù)和C參數(shù)對SVM算法分類性能的影響42-45
• 3.4 本章小結(jié)45-46
• 第四章 基于CIG和CGR的特征選擇方法46-57
• 4.1 CIG與CGR特征選擇的原理46
• 4.2 CIG特征選擇方法在機(jī)器學(xué)習(xí)分類算法中的性能46-51
• 4.2.1 CIG在C4.5決策樹算法中的性能46-48
• 4.2.2 CIG在NBC算法中的性能48-49
• 4.2.3 CIG在SVM算法中的性能49-51
• 4.3 CGR特征選擇方法在機(jī)器學(xué)習(xí)分類算法中的性能51-55
• 4.3.1 CGR在C4.5算法中的性能51-52
• 4.3.2 CGR在NBC算法中的性能52-53
• 4.3.3 CGR在SVM算法中的性能53-55
• 4.4 CIG與CGR性能比較55
• 4.5 本章小結(jié)55-57
• 第五章 總結(jié)與展望57-58
• 5.1 研究工作的總結(jié)57
• 5.2 未來工作的展望57-58
• 致謝58-59
• 參考文獻(xiàn)59-61
• 攻讀碩士學(xué)位期間的研究成果61

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張明玉,倪志偉;基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)[J];淮南師范學(xué)院學(xué)報;2005年03期

2 楊凌霄;武建平;;機(jī)器學(xué)習(xí)方法在人臉檢測中的應(yīng)用[J];計算機(jī)與數(shù)字工程;2008年03期

3 ;第十一屆中國機(jī)器學(xué)習(xí)會議[J];智能系統(tǒng)學(xué)報;2008年02期

4 ;第14屆中國機(jī)器學(xué)習(xí)會議[J];智能系統(tǒng)學(xué)報;2012年06期

5 費(fèi)宗銘;呂建;王志堅;陳道蓄;徐家福;;機(jī)器學(xué)習(xí)[J];計算機(jī)科學(xué);1991年01期

6 趙沁平;魏華;王軍玲;;機(jī)器學(xué)習(xí)技術(shù)與機(jī)器學(xué)習(xí)系統(tǒng)[J];計算機(jī)科學(xué);1993年05期

7 姚敏;機(jī)器學(xué)習(xí)及其發(fā)展方向[J];計算機(jī)時代;1994年04期

8 ;第31屆機(jī)器學(xué)習(xí)國際會議(英文)[J];智能系統(tǒng)學(xué)報;2014年01期

9 黃海濱;機(jī)器學(xué)習(xí)及其主要策略[J];河池師范高等專科學(xué)校學(xué)報(自然科學(xué)版);2000年04期

10 佘玉梅;一種協(xié)調(diào)機(jī)器學(xué)習(xí)方法研究[J];云南民族學(xué)院學(xué)報(自然科學(xué)版);2000年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王昊;李銀波;紀(jì)志梁;;利用機(jī)器學(xué)習(xí)方法預(yù)測嚴(yán)重藥物不良反應(yīng)-呼吸困難[A];中國化學(xué)會第28屆學(xué)術(shù)年會第13分會場摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級結(jié)構(gòu)的初步探討[A];1998年中國控制會議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機(jī)器學(xué)習(xí)在中醫(yī)計算機(jī)診斷識別系統(tǒng)中的應(yīng)用思考[A];第一屆全國中西醫(yī)結(jié)合診斷學(xué)術(shù)會議論文選集[C];2006年

7 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數(shù)的機(jī)器學(xué)習(xí)——一個三類線性模式分類器的實現(xiàn)[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

9 程國建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國青年信息與管理學(xué)者大會論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計學(xué)習(xí)理論及其應(yīng)用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機(jī)器學(xué)習(xí)與智能化社會[N];中國郵政報;2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機(jī)器學(xué)習(xí)已成為大數(shù)據(jù)基石[N];網(wǎng)絡(luò)世界;2014年

3 本報記者 房琳琳;合久必分：分布式“機(jī)器學(xué)習(xí)”應(yīng)運(yùn)而生[N];科技日報;2014年

4 雨辰;機(jī)器學(xué)習(xí)類圖書為什么火爆[N];中華讀書報;2014年

5 百度公司技術(shù)副總監(jiān) 多媒體部負(fù)責(zé)人 余凱;深度學(xué)習(xí)與多媒體搜索技術(shù)演進(jìn)[N];中國信息化周報;2013年

6 本報記者 余建斌;機(jī)器學(xué)習(xí)與互聯(lián)網(wǎng)搜索[N];人民日報;2011年

7 本報記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日報;2008年

8 記者　 彭德倩;機(jī)器學(xué)習(xí)精度提升近6個百分點(diǎn)[N];解放日報;2006年

9 本報記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國電子報;2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學(xué)家[N];計算機(jī)世界;2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 董春茹;機(jī)器學(xué)習(xí)中的權(quán)重學(xué)習(xí)與差分演化[D];華南理工大學(xué);2015年

2 姚明臣;機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的若干問題研究[D];大連理工大學(xué);2016年

3 趙玉鵬;機(jī)器學(xué)習(xí)的哲學(xué)探索[D];大連理工大學(xué);2010年

4 胡巍;面向格結(jié)構(gòu)的機(jī)器學(xué)習(xí)[D];上海交通大學(xué);2009年

5 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2005年

6 錢線;快速精確的結(jié)構(gòu)化機(jī)器學(xué)習(xí)方法研究[D];復(fù)旦大學(xué);2010年

7 梁錫軍;稀疏優(yōu)化在機(jī)器學(xué)習(xí)中的若干應(yīng)用[D];大連理工大學(xué);2013年

8 蔣剛;核機(jī)器學(xué)習(xí)方法若干問題研究[D];西南交通大學(xué);2006年

9 陳慧靈;面向智能決策問題的機(jī)器學(xué)習(xí)方法研究[D];吉林大學(xué);2012年

10 周偉達(dá);核機(jī)器學(xué)習(xí)方法研究[D];西安電子科技大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張柯;基于機(jī)器學(xué)習(xí)的錯誤定位方法研究[D];南京航空航天大學(xué);2015年

2 于雯;機(jī)器學(xué)習(xí)在信用評級中的應(yīng)用[D];中國海洋大學(xué);2015年

3 裴松年;基于機(jī)器學(xué)習(xí)的分類算法研究[D];中北大學(xué);2016年

4 李紅;基于機(jī)器學(xué)習(xí)的中醫(yī)藥配方評估研究[D];南京大學(xué);2016年

5 周文U，

本文編號：1025866