基于粒子群優(yōu)化半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法研究.pdf

1、在互聯(lián)網(wǎng)高速發(fā)展的今天,伴隨著P2P下載和P2P流媒體技術(shù)的出現(xiàn),各類新興的網(wǎng)絡(luò)應(yīng)用如雨后春筍般涌現(xiàn)。網(wǎng)絡(luò)負(fù)載的急劇增加使得傳統(tǒng)的服務(wù)提供商逐漸認(rèn)識到互聯(lián)網(wǎng)形勢的嚴(yán)峻。如何在高速大流量網(wǎng)絡(luò)帶寬中迅速有效地識別各類網(wǎng)絡(luò)應(yīng)用,并高效的將識別結(jié)果反饋到實(shí)際的網(wǎng)絡(luò)控制中去,從而更好的為網(wǎng)絡(luò)流量的管理和控制做貢獻(xiàn)已經(jīng)逐漸成為流量檢測領(lǐng)域亟待解決的問題。針對此種現(xiàn)狀,論文工作主要從下述幾個方面展開:
　　在以流特征作為網(wǎng)絡(luò)流量分類的特征選擇前

2、提下,提出了一種高效的流特征向量的選擇方法,該方法不僅覆蓋到傳統(tǒng)的網(wǎng)絡(luò)應(yīng)用,而且刻意添加了針對P2P流媒體具有較高區(qū)分度的流特征向量,使得特征向量的選擇更全面,更有區(qū)分性。
　　針對Kmeans、KNN等傳統(tǒng)無監(jiān)督機(jī)器學(xué)習(xí)方法存在的不足,使用粒子群的優(yōu)化技術(shù)對它們進(jìn)行優(yōu)化。且針對有監(jiān)督學(xué)習(xí)時標(biāo)記樣本特征所難以避免表現(xiàn)出的費(fèi)時費(fèi)力的問題,引入了半監(jiān)督的機(jī)器學(xué)習(xí)理念,并最終設(shè)計(jì)并實(shí)現(xiàn)了基于粒子群優(yōu)化半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類系統(tǒng)。該分類

3、系統(tǒng)具體細(xì)分為實(shí)時流量分類和離線流量分類兩個方向。其中實(shí)時系統(tǒng)主要負(fù)責(zé)對在線網(wǎng)絡(luò)流量的實(shí)時監(jiān)控,此系統(tǒng)設(shè)計(jì)對實(shí)時性要求較高,因此在系統(tǒng)實(shí)現(xiàn)過程中提出了基于流中平均包大小分層的金字塔模型,此種模型可以有效應(yīng)對實(shí)時流量區(qū)分中所表現(xiàn)出的高時效性,自身數(shù)據(jù)統(tǒng)計(jì)不完整性的特點(diǎn)。離線流量分類系統(tǒng)主要負(fù)責(zé)線下網(wǎng)絡(luò)流量的區(qū)分,主要側(cè)重于分類準(zhǔn)確性的精細(xì)化工作,發(fā)現(xiàn)新的應(yīng)用類型。
　　通過流量分類系統(tǒng)在實(shí)時的初步分類和離線的精細(xì)化測量后,對于那些需