本文關(guān)鍵詞：基于人工蜂群算法和小波SVM的P2P流量識別方法研究

  更多相關(guān)文章： P2P流量識別 人工蜂群算法 特征選擇 小波支持向量機(jī)

【摘要】：近年來,隨著對等網(wǎng)絡(luò)(Peer-to-Peer network,P2P)技術(shù)在互聯(lián)網(wǎng)中廣泛應(yīng)用,其占據(jù)的網(wǎng)絡(luò)流量比重越來越大。然而在豐富了網(wǎng)絡(luò)應(yīng)用的同時,也帶來了帶寬的占用率過大、網(wǎng)絡(luò)安全等問題。因此,對P2P流量進(jìn)行管理和控制具有重要的意義,其中P2P流量的識別是進(jìn)行網(wǎng)絡(luò)流量控制中亟待解決的首要問題。P2P流量識別本質(zhì)上是一個二類分類問題,而且流量特征的選擇和所使用的分類方法都對識別的精確度有著很大的影響,上述問題一定程度上可以轉(zhuǎn)換為最優(yōu)化問題加以解決。因此本文主要研究了人工蜂群算法在P2P流量識別工作中的優(yōu)化應(yīng)用,其中主要工作有以下幾點(diǎn)。(1)基于蜂群優(yōu)化算法的P2P流量特征選擇。利用單一特征對P2P流量進(jìn)行識別時,其識別率通常比較低,因此必須利用多特征來提高P2P流量識別。但是過多的特征會發(fā)生“維數(shù)災(zāi)難”等不利情況,這樣不僅不能夠提高流量的識別效率,而且采集過多的流量特征會增加工作量,流量識別的實時性難以實現(xiàn)。因此,文章中提出人工蜂群算法進(jìn)行特征選擇,在整體特征集中,它可以把具有最好分類性能的特征子集選擇出,這樣可以使算法的識別準(zhǔn)確度和計算效率得到提高。(2)基于小波和蜂群優(yōu)化算法的P2P流量識別方法。支持向量機(jī)(簡稱SVM)的分類性能雖然比較好,但是使用傳統(tǒng)核的SVM分類樣本數(shù)據(jù)時,僅限于單個尺度,小波函數(shù)具有良好的多尺度學(xué)習(xí)性能,因此引入小波函數(shù)來構(gòu)造支持向量機(jī)的核函數(shù)進(jìn)而對P2P流量進(jìn)行識別。同時SVM的分類準(zhǔn)確率跟其懲罰參數(shù)和核函數(shù)以及核函數(shù)參數(shù)的選取有著很大的關(guān)系,因此選擇合適的參數(shù)優(yōu)化方法是非常重要的,常用的參優(yōu)化方法如遺傳算法、粒子群算法等容易出現(xiàn)局部最優(yōu)。故本文采用人工蜂群優(yōu)化算法對支持向量機(jī)參數(shù)進(jìn)行優(yōu)化。利用UCI數(shù)據(jù)庫和真實校園P2P數(shù)據(jù)對本文所提出的特征選擇和SVM參數(shù)優(yōu)化方法的有效性進(jìn)行測試,并將其實驗結(jié)果與遺傳算法,粒子群算法等進(jìn)行了比較分析,最后利用結(jié)合了小波核函數(shù)的SVM流量識別方法對P2P流量進(jìn)行識別,最終的實驗結(jié)果表明,基于人工蜂群算法和小波SVM的方法具有很好的P2P流量識別效果。
【關(guān)鍵詞】：P2P流量識別 人工蜂群算法 特征選擇 小波支持向量機(jī)
【學(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.06;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 引言10-19
• 1.1 研究背景和意義10-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-17
• 1.3 研究內(nèi)容17
• 1.4 內(nèi)容安排17-19
• 第2章 基本理論基礎(chǔ)概述19-27
• 2.1 支持向量機(jī)19-22
• 2.1.1 支持向量機(jī)概述19-20
• 2.1.2 支持向量機(jī)的基本原理20-22
• 2.2 遺傳算法22-23
• 2.3 粒子群算法23-24
• 2.4 人工蜂群算法24-26
• 2.5 本章小結(jié)26-27
• 第3章 基于人工蜂群算法的P2P流量特征選擇方法27-43
• 3.1 P2P流量特征選擇27-30
• 3.1.1 P2P流量特征27-28
• 3.1.2 特征選擇28-30
• 3.2 P2P流量特征選擇方法30-36
• 3.2.1 基于GA的P2P流量特征選擇方法30-32
• 3.2.2 基于PSO的P2P流量特征選擇方法32-34
• 3.2.3 基于ABC的P2P流量特征選擇方法34-36
• 3.3 實驗結(jié)果與分析36-41
• 3.4 本章小結(jié)41-43
• 第4章 基于ABC和小波SVM的P2P流量識別43-65
• 4.1 小波分析理論基礎(chǔ)43-45
• 4.1.1 小波的多尺度分析43-45
• 4.2 小波支持向量機(jī)模型45-50
• 4.2.1 小波核函數(shù)45-47
• 4.2.2 SVM參數(shù)的優(yōu)化47-49
• 4.2.3 小波SVM的P2P流量識別方法49-50
• 4.3 SVM參數(shù)優(yōu)化及P2P流量識別50-55
• 4.3.1 基于GA的SVM參數(shù)優(yōu)化方法50-52
• 4.3.2 基于PSO的SVM參數(shù)優(yōu)化方法52-54
• 4.3.3 基于ABC的SVM參數(shù)優(yōu)化方法54-55
• 4.4 仿真結(jié)果分析55-64
• 4.4.1 實驗環(huán)境55
• 4.4.2 實驗的方法55-56
• 4.4.3 實驗的評價標(biāo)準(zhǔn)56
• 4.4.4 實驗數(shù)據(jù)的分析與結(jié)果驗證56-64
• 4.5 本章小結(jié)64-65
• 第5章 總結(jié)與展望65-67
• 5.1 總結(jié)65-66
• 5.2 展望66-67
• 參考文獻(xiàn)67-70
• 致謝70-71
• 附錄71

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳震;劉興彬;童曉民;;基于信息熵的流量識別方法[J];計算機(jī)工程;2009年20期

2 張秀英;王錚;;一種基于流量識別技術(shù)的網(wǎng)絡(luò)信息審計模型[J];微處理機(jī);2010年01期

3 時鴻濤;蓋凌云;郭忠文;;一種基于小波譜的流量識別方法[J];計算機(jī)工程;2012年12期

4 張劍;錢宗玨;壽國礎(chǔ);胡怡紅;;在線聚類的網(wǎng)絡(luò)流量識別[J];北京郵電大學(xué)學(xué)報;2011年01期

5 畢夏安;張大方;趙姣姣;;一種高效的游戲流量識別與分類技術(shù)[J];計算機(jī)工程與應(yīng)用;2011年23期

6 張劍;曹萍;壽國礎(chǔ);;網(wǎng)絡(luò)匯聚點(diǎn)傳輸層拓?fù)涞牧髁孔R別[J];計算機(jī)應(yīng)用;2012年07期

7 關(guān)卿;秦宏偉;張文超;;基于流親戚關(guān)系分組的流量識別算法[J];計算機(jī)與網(wǎng)絡(luò);2013年02期

8 王宇科;黎文偉;蘇欣;;基于改進(jìn)分簇算法的網(wǎng)絡(luò)流量識別方法[J];計算機(jī)工程與科學(xué);2011年11期

9 禹可;張馨予;狄佳璽;吳曉非;蘇駟希;;互聯(lián)網(wǎng)流量識別中的基于標(biāo)簽傳播的重疊社團(tuán)發(fā)現(xiàn)算法(英文)[J];中國通信;2012年12期

10 杜瑞穎;楊勇;陳晶;王持恒;;一種基于相似度的高效網(wǎng)絡(luò)流量識別方案[J];山東大學(xué)學(xué)報(理學(xué)版);2014年09期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 馬永立;壽國礎(chǔ);胡怡紅;錢宗玨;區(qū)海平;;新型網(wǎng)絡(luò)流量識別分析系統(tǒng)及其性能評估[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

2 張娜娜;;P2P流量識別方法研究[A];江蘇省電子學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

3 高長喜;辛陽;鈕心忻;楊義先;;基于行為特征分析的P2P流量識別技術(shù)的研究[A];第一屆中國高校通信類院系學(xué)術(shù)研討會論文集[C];2007年

4 許劉兵;;基于人工神經(jīng)網(wǎng)絡(luò)的P2P流量識別模型的研究[A];中國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集（上冊）[C];2008年

5 賈波;鄒園萍;;基于無監(jiān)督學(xué)習(xí)的P2P流量識別[A];浙江省信號處理學(xué)會2011學(xué)術(shù)年會論文集[C];2011年

6 王波;周曉光;蘇志遠(yuǎn);;基于節(jié)點(diǎn)狀態(tài)的P2P流量識別系統(tǒng)[A];中國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集（下冊）[C];2008年

7 王波;周曉光;蘇志遠(yuǎn);;基于節(jié)點(diǎn)狀態(tài)的P2P流量識別系統(tǒng)[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（下）[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 林冠洲;網(wǎng)絡(luò)流量識別關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2011年

2 田旭;互聯(lián)網(wǎng)流量識別技術(shù)研究[D];北京郵電大學(xué);2012年

3 彭建芬;P2P流量識別關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2011年

4 張劍;寬帶接入網(wǎng)流量識別關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2011年

5 李冰;VoIP和P2P IPTV流量的識別與測量研究[D];天津大學(xué);2010年

6 郭振濱;互聯(lián)網(wǎng)測量與建模研究[D];北京交通大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 孫海霞;基于關(guān)聯(lián)規(guī)則的流量識別方法研究[D];合肥工業(yè)大學(xué);2009年

2 練琪;基于聚類分析的應(yīng)用層流量識別研究[D];湖南大學(xué);2010年

3 左建勛;網(wǎng)絡(luò)流量識別技術(shù)研究及其應(yīng)用[D];重慶大學(xué);2007年

4 朱欣;基于數(shù)據(jù)流挖掘技術(shù)的流量識別[D];蘇州大學(xué);2011年

5 張波;基于流特征的加密流量識別技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2012年

6 馬保雷;基于概念漂移檢測的自適應(yīng)流量識別研究[D];哈爾濱工業(yè)大學(xué);2013年

7 崔月婷;基于分類算法與聚類算法流量識別系統(tǒng)的研究[D];北京郵電大學(xué);2010年

8 郭明亮;高速網(wǎng)絡(luò)中實時流量識別系統(tǒng)的研究與設(shè)計[D];北京郵電大學(xué);2010年

9 王程;網(wǎng)絡(luò)流量識別分析系統(tǒng)的設(shè)計與實現(xiàn)[D];吉林大學(xué);2014年

10 龔超;基于多重識別技術(shù)的路由器流量識別系統(tǒng)研究與實現(xiàn)[D];上海交通大學(xué);2011年

，

本文編號：932919