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

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

【摘要】：近年來(lái),隨著對(duì)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(lái)越大。然而在豐富了網(wǎng)絡(luò)應(yīng)用的同時(shí),也帶來(lái)了帶寬的占用率過(guò)大、網(wǎng)絡(luò)安全等問(wèn)題。因此,對(duì)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(shí)別是進(jìn)行網(wǎng)絡(luò)流量控制中亟待解決的首要問(wèn)題。P2P流量識(shí)別本質(zhì)上是一個(gè)二類分類問(wèn)題,而且流量特征的選擇和所使用的分類方法都對(duì)識(shí)別的精確度有著很大的影響,上述問(wèn)題一定程度上可以轉(zhuǎn)換為最優(yōu)化問(wèn)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(shí)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(duì)P2P流量進(jìn)行識(shí)別時(shí),其識(shí)別率通常比較低,因此必須利用多特征來(lái)提高P2P流量識(shí)別。但是過(guò)多的特征會(huì)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(shí)別效率,而且采集過(guò)多的流量特征會(huì)增加工作量,流量識(shí)別的實(shí)時(shí)性難以實(shí)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(shí)別準(zhǔn)確度和計(jì)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(shí)別方法。支持向量機(jī)(簡(jiǎn)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(shí),僅限于單個(gè)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(lái)構(gòu)造支持向量機(jī)的核函數(shù)進(jìn)而對(duì)P2P流量進(jìn)行識(shí)別。同時(shí)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(duì)支持向量機(jī)參數(shù)進(jìn)行優(yōu)化。利用UCI數(shù)據(jù)庫(kù)和真實(shí)校園P2P數(shù)據(jù)對(duì)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(cè)試,并將其實(shí)驗(yàn)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(shí)別方法對(duì)P2P流量進(jìn)行識(shí)別,最終的實(shí)驗(yàn)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(shí)別效果。
【關(guān)鍵詞】：P2P流量識(shí)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(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：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(guó)內(nèi)外研究現(xiàn)狀13-17
• 1.3 研究?jī)?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(shí)驗(yàn)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(shí)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(shí)別方法49-50
• 4.3 SVM參數(shù)優(yōu)化及P2P流量識(shí)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(shí)驗(yàn)環(huán)境55
• 4.4.2 實(shí)驗(yàn)的方法55-56
• 4.4.3 實(shí)驗(yàn)的評(píng)價(jià)標(biāo)準(zhǔn)56
• 4.4.4 實(shí)驗(yàn)數(shù)據(jù)的分析與結(jié)果驗(yàn)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(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

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

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

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

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

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

6 張劍;曹萍;壽國(guó)礎(chǔ);;網(wǎng)絡(luò)匯聚點(diǎn)傳輸層拓?fù)涞牧髁孔R(shí)別[J];計(jì)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(shí)別算法[J];計(jì)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(shí)別方法[J];計(jì)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(shí)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(guó)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(shí)別方案[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2014年09期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

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

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

3 高長(zhǎng)喜;辛陽(yáng);鈕心忻;楊義先;;基于行為特征分析的P2P流量識(shí)別技術(shù)的研究[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)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(shí)別模型的研究[A];中國(guó)電子學(xué)會(huì)第十五屆信息論學(xué)術(shù)年會(huì)暨第一屆全國(guó)網(wǎng)絡(luò)編碼學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2008年

5 賈波;鄒園萍;;基于無(wú)監(jiān)督學(xué)習(xí)的P2P流量識(shí)別[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)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(shí)別系統(tǒng)[A];中國(guó)電子學(xué)會(huì)第十五屆信息論學(xué)術(shù)年會(huì)暨第一屆全國(guó)網(wǎng)絡(luò)編碼學(xué)術(shù)年會(huì)論文集（下冊(cè)）[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(shí)別系統(tǒng)[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下）[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 林冠洲;網(wǎng)絡(luò)流量識(shí)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(shí)別技術(shù)研究[D];北京郵電大學(xué);2012年

3 彭建芬;P2P流量識(shí)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(shí)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(shí)別與測(cè)量研究[D];天津大學(xué);2010年

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 孫海霞;基于關(guān)聯(lián)規(guī)則的流量識(shí)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(shí)別研究[D];湖南大學(xué);2010年

3 左建勛;網(wǎng)絡(luò)流量識(shí)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(shí)別[D];蘇州大學(xué);2011年

5 張波;基于流特征的加密流量識(shí)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(cè)的自適應(yīng)流量識(shí)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(shí)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(shí)時(shí)流量識(shí)別系統(tǒng)的研究與設(shè)計(jì)[D];北京郵電大學(xué);2010年

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

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

，

本文編號(hào)：932919