基于支持向量机的网络流分类技术的研究.pdf

基于支持向量机的网络流分类技术的研究.pdf

ID:51199541

大小:7.83 MB

页数:78页

时间:2020-03-20

基于支持向量机的网络流分类技术的研究.pdf_第1页
基于支持向量机的网络流分类技术的研究.pdf_第2页
基于支持向量机的网络流分类技术的研究.pdf_第3页
基于支持向量机的网络流分类技术的研究.pdf_第4页
基于支持向量机的网络流分类技术的研究.pdf_第5页
资源描述:

《基于支持向量机的网络流分类技术的研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、中圈料孽教求犬誊硕士学位论基于支持向量机的网络流分类技术的研究作者姓名:学科专业:导师姓名:完成时间:荆宁计算机软件与理论董群峰教授二O一二年四月文UniversityofScienceandTechnologyofChinaAdissertationformasterdegreeResearchOilSVM。.basedMethodforNetworkTra伍cClassificationAuthoI‘NingJingSpeciality:Computersoftwareandtheory^’buloel。V180I’:FinishedTimePI。of.qunfengDon

2、gApril,2012中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除已特另JJ,DH以标注和致谢的地方外,论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。作者签名:堡l皇签字日期:翌!!:!:堡中国科学技术大学学位论文授权使用声明作为申请学位的条件之一,学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权,即:学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅,可以将学位论文编入《中国学位论文全文数据库》等有关

3、数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。口/从开口保密——年作者签名:j虹导师签名:鲰签字日期:摘要摘要随着计算机互联网的高速发展,各种互联网应用不断涌现,因此需要网络管理技术对网络带宽资源进行合理优化。在使用网络管理相关技术之前首先需要对互联网中的各种应用流量进行识别;因此,网络流分类(TrafficClassification)技术便成为网络管理中的核心问题。本文结合机器学习中支持向量机的相关技术,对网络流分类技术进行研究。基于支持向量机技术的网络流分类器技术只

4、需要较小的样本集即可训练得到较高准确率的分类器;因此,近年来吸引了大量的学者研究。尽管如此,现存的基于支持向量机的分类技术由于其高昂的计算代价一直无法实用。鉴于此,本文从软件和硬件两方面提出了两种优化方案使得基于支持向量机的分类器可以更好地适用于高速网络场合。在软件方面,本文提出一种新的基于支持向量机的多类分类技术(模糊锦标赛法)来解决分类效率和准确性问题。通过在真实的网络trace文件上实验,此技术极大降低了分类器的计算代价并保持了较低的分类错误率。相对于之前的技术,该法降低计算代价达7.65倍,误分率降低2.35倍。在硬件方面,为迸一步提高分类器的分类速度,本文利用了GPU

5、的相关技术来并行加速分类器的分类过程。最终,更低的计算代价、更高的分类准确率、更快的分类速度,这些使得基于支持向量机的分类器技术在高速网络环境中更加实用。关键词:流量识别,多分类,支持向量机,GPU原书为白页不缺内容ABSTRACTWiththerapiddevelopmentofcomputernetwork,moreandmorenetworkapplicationswellup.Asaresult,thereneedsnetworkmanagementtechnologytooptimizethenetworkbandwidthresources.Inadvanceofm

6、anagingthenetwork,weneedtoidentifyandclassifythenetworktraffic.Thereby:networktrafficclassificationisthecoreproblem.Inthispaper,weadoptedsupportvectormachine(SVM)whichisapromis—ingmachinelearningtechnologytoclassifythenetworktraffic.Supportvectormachinebasednetworktrafficclassificationhasrec

7、entlyattractedincreasingin—terest,foritshighaccuracyandlowtrainingsamplesizerequirement.However,highcomputationcostmakestheexistingSVM—basedtrafficclassificationtech—nologyunpractical.Inthispaper,weproposesoRwareandhardwaremethodstoSolvethisproblem

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。