基于深度學習的網(wǎng)絡業(yè)務流量識別算法研究.pdf_第1頁
已閱讀1頁，還剩67頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、本學位論文的工作基于國家電網(wǎng)公司科技項目“電力信息通信網(wǎng)絡流量預測和管道智能化關(guān)鍵技術(shù)研究及其應用”項目，研究目標為面向網(wǎng)絡業(yè)務的流量識別與感知，主要內(nèi)容為基于深度學習的網(wǎng)絡業(yè)務流量識別算法研究，將深度學習經(jīng)典模型卷積神經(jīng)網(wǎng)絡應用到網(wǎng)絡業(yè)務流量識別中，以提高網(wǎng)絡業(yè)務流量識別性能。
　　針對網(wǎng)絡業(yè)務流量特征屬性較多問題，提出了一種基于相似度和獨特度的特征選擇算法，并與信息增益比、皮爾森相關(guān)系數(shù)、屬性的對稱不確定性和相關(guān)性特征選擇算法

2、進行了比較;針對網(wǎng)絡業(yè)務流量不均勻特點，提出了一種基于混合交叉訓練策略的卷積神經(jīng)網(wǎng)絡改進識別方法并在Moore數(shù)據(jù)集上進行了驗證。
　　全文共分為五章，主要內(nèi)容為:
　　第一章簡介課題背景及研究意義，闡述網(wǎng)絡業(yè)務流量識別技術(shù)研究現(xiàn)狀，同時給出論文的章節(jié)安排。
　　第二章概述了深度學習概念，分析了深度學習經(jīng)典模型卷積神經(jīng)網(wǎng)絡的基本原理、參數(shù)初始化、訓練方法以及評價準則。
　　第三章針對網(wǎng)絡業(yè)務流量特征屬性較多問題，

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論