基于改進的k均值聚類算法的P2P流量識別的研究.pdf

1、隨著互聯(lián)網技術的快速發(fā)展，P2P技術以豐富快捷的資源共享等特點獲得了迅速的發(fā)展，給人們的生活帶來了很大的便利，但同時也帶來了網絡的擁塞、帶寬的消耗等問題，運營商不得不增加更多的帶寬來保證服務質量。隨著P2P應用的不斷增多以及網絡規(guī)模的擴大，運營商就會陷入“擁塞-增加帶寬-再擁塞”的死循環(huán)，不但不能保證基本的服務質量，而且增加了帶寬上的成本。解決該問題的根本方法是實現對P2P流量的準確快速識別，根據實際狀況對流量進行合理控制和優(yōu)化管理。<

2、br>　　本文介紹了P2P技術的結構特點和發(fā)展情況以及P2P流量識別方法的研究現狀，并分析了在P2P流量識別中的機器學習算法，通過比較有監(jiān)督的機器學習算法、無監(jiān)督的機器學習算法和半監(jiān)督的機器學習算法的優(yōu)缺點，采用半監(jiān)督的機器學習算法進行P2P流量識別。首先，針對P2P流量中存在的冗余特征和不相關特征，采用CFS算法進行特征選擇，該算法能夠不僅能夠保證分類的準確率、高效地完成特征選擇，還可以去除P2P流量中的冗余特征。其次，針對k均值算法