基于機器學習的網(wǎng)絡(luò)流量分類算法研究.pdf

1、本學位論文來自于“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，研究目標為面向業(yè)務(wù)的流量識別與感知，主要內(nèi)容為基于機器學習的網(wǎng)絡(luò)流量識別算法研究。
　　論文首先介紹了目前運用在網(wǎng)絡(luò)流量分類領(lǐng)域的四大類分類方法:基于端口映射、基于有效負載、基于主機行為以及基于機器學習的流量分類方法。通過比較四類分類方法的特點，得出了基于機器學習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器學

2、習分類算法:C4.5決策樹算法，樸素貝葉斯分類器和支持向量機。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，并在三種機器學習算法中應(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。
　

3、　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:基于機器學習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)用進行了介紹。
　　第三章著重研究了三種常用的機器學習算法:C4.5決策樹算法，樸素