隨著網(wǎng)絡(luò)的穩(wěn)健發(fā)展,網(wǎng)民不斷增多,新型的網(wǎng)絡(luò)業(yè)務(wù)不斷涌現(xiàn)。網(wǎng)絡(luò)多媒體業(yè)務(wù)（網(wǎng)絡(luò)視頻業(yè)務(wù)、網(wǎng)頁瀏覽、網(wǎng)絡(luò)音樂等）作為常用的互聯(lián)網(wǎng)業(yè)務(wù),占據(jù)了大部分的網(wǎng)絡(luò)流量。因此,高效準確的識別網(wǎng)絡(luò)業(yè)務(wù)流有著重要的意義,有助于網(wǎng)絡(luò)業(yè)務(wù)供應(yīng)商（ISP,Internet Service Provider）合理分配資源,進行網(wǎng)絡(luò)管理,保障業(yè)務(wù)的服務(wù)質(zhì)量。本文針對網(wǎng)絡(luò)視頻（直播和非直播）、音頻（QQ音樂）、即時通信類（Skype）和網(wǎng)頁瀏覽（Baidu和sina）六種網(wǎng)絡(luò)業(yè)務(wù)進行分類研究。主要研究工作如下:基于信息增益率和演化算法提出了一種新型的多目標自適應(yīng)演化特征選擇方法,即GRMAEA算法。該方法首先利用信息增益率進行特征排序,快速降維,并選擇排名靠前的特征作為多目標演化算法的初始種群。然后優(yōu)化了傳統(tǒng)的演化算法,選用不一致率和特征子集的維數(shù)作為目標函數(shù),減少了特征選擇迭代的時間開銷,提高了分類器的性能。實驗表明,在不同數(shù)據(jù)集上本文方法相對于現(xiàn)有的特征選擇方法,具有較高的分類精度和較低的時間復(fù)雜度。利用GR-MAEA選出有區(qū)分度的特征組合,用于識別六種網(wǎng)絡(luò)業(yè)務(wù)流。為了實現(xiàn)細粒度分類,本文設(shè)計了一種多層KNN分... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【圖文】：

017全球網(wǎng)民分布圖

148,177,672 55.2% 1,938,075,63146.7% 1595.55 49.7%Europe 822,710,362 10.9% 659,634,487 80.2% 527.6% 17.0%LatinAmerica/Caribbean647,604,645 8.6% 404,269,163 62.4% 2137.4% 10.4%Middle East 250,327,574 3.3% 146,972,123 58.7% 4374.3% 3.8%NorthAmerica 363,224,006 4.8% 320,059,368 88.1% 196.1% 8.2%Oceania/Australia40,479,846 0.5% 28,180,356 69.6% 269.8% 0.7%WORLDTOTAL7,519,028,970 100.0% 3,885,567,61951.7% 976.4% 100.0%

圖 2.2 深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖性問題，引入激活函數(shù)，DNN 常用的激活函數(shù)有 sigmoid 函數(shù)、Re數(shù)、tanh 函數(shù)和 Softmax 函數(shù),前三種的函數(shù)圖像分別如圖 2.3、2.4下：: ( )1xxsigmoid xee Re LU : f ( x ) max( x,0)221tanh: ( )1xxf xee 1max: ( )zjzjinjSoft f zee

【參考文獻】：
期刊論文
[1]基于粒子群優(yōu)化算法的視頻流特征選擇方法[J]. 馮茂,董育寧.  南京郵電大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[2]結(jié)合ReliefF、GA和SVM的面向?qū)ο蠼ㄖ锬繕俗R別特征選擇方法[J]. 薛章鷹,劉興權(quán).  測繪工程. 2017(02)
[3]基于信息增益特征選擇的網(wǎng)絡(luò)異常檢測模型[J]. 劉汝雋,賈斌,辛陽.  計算機應(yīng)用. 2016(S2)
[4]一種基于改進隱馬爾可夫的多媒體業(yè)務(wù)分類算法[J]. 王再見,董育寧,張暉,馮友宏.  電子與信息學(xué)報. 2015(02)
[5]支持向量機的半監(jiān)督網(wǎng)絡(luò)流量分類方法[J]. 李平紅,王勇,陶曉玲.  計算機應(yīng)用. 2013(06)
[6]基于GA-SVM封裝算法的高光譜數(shù)據(jù)特征選擇[J]. 卓莉,鄭璟,王芳,黎夏,艾彬,錢峻屏.  地理研究. 2008(03)



本文編號：2966244