p2p技术论文:神经网络集成及其p2p流量识别的应用研究

p2p技术论文:神经网络集成及其p2p流量识别的应用研究

ID:18764608

大小:52.50 KB

页数:6页

时间:2018-09-22

p2p技术论文:神经网络集成及其p2p流量识别的应用研究_第1页
p2p技术论文:神经网络集成及其p2p流量识别的应用研究_第2页
p2p技术论文:神经网络集成及其p2p流量识别的应用研究_第3页
p2p技术论文:神经网络集成及其p2p流量识别的应用研究_第4页
p2p技术论文:神经网络集成及其p2p流量识别的应用研究_第5页
资源描述:

《p2p技术论文:神经网络集成及其p2p流量识别的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、P2P技术论文:神经网络集成及其P2P流量识别的应用研究【中文摘要】目前P2P技术应用越来越广泛,但该应用最主要的问题是消耗大量网络带宽,并带来版权、安全和垃圾信息等问题。因此必须对P2P流量进行监控和管理以提高网络服务的性能。在该监控和管理系统中,P2P流量识别是最关键的技术。因此研究高效的P2P流量识别方法具有重要意义。从国内外的报道来看,基于神经网络的P2P流量识别方法可以取得比较好的效果;但该方法的系统的泛化能力不高,本课题利用神经网络集成来解决这一问题。本文创新之处主要在于以下三个方面:一是提出采用自适应遗传算法构造神经网络集成的

2、方法,该方法能够有效提高学习系统的泛化能力;二是将提出的神经网络集成应用在RBF和FUZZYARTMAP神经网络集成中,并将这两种神经网络集成应用于P2P流量识别中;三是建立仿真模型,对这两种神经网络集成的P2P流量识别方法进行仿真验证,并比较了这两种神经网络集成的P2P流量识别方法。我们首先比较了BP、RBF和FUZZYARTMAP三种神经网络,仿真结果表明,三种神经网络对P2P流量的识别率都很高,但在训练时间上,RBF神经网络最好,BP神经网络最差。然后将RBF和FUZZYARTMAP神经网络集成用于P2P流量识别中,结果表明,两种神经

3、网络集成在牺牲一些训练时间和识别时间的基础上对P2P流量的识别率都有很大的提高。我们最后优化了神经网络集成,结果表明,基于简单平均的RBF神经网络集成的平均识别率为99.15%,较优化前的平均识别率提高了1.5%,平均训练时间为2.5872s,平均识别时间为0.9174s;而FUZZYARTMAP神经网络集成的平均识别率为99.48%,较优化前的平均识别率提高了0.6%,平均训练时间为6.2824s,平均识别时间为1.4193s。从上述结果可知,RBF神经网络集成的训练时间和识别时间都较少,满足实时要求,识别效果较好,识别率低于FUZZYA

4、RTMAP神经网络集成。如果使用软件,用RBF神经网络集成方案最佳;如果使用硬件方案,用FUZZYARTMAP神经网络集成是最佳思路。【英文摘要】Atpresent,theapplicationofP2Ptechniqueismoreandmorepopular,butitalsobringsmanyproblemssuchasbigamountofnetworkbandwidthexhaustion,difficultiesonmanagement,copyright,securityandspamming.Itisofgreattheo

5、reticalandrealisticimportancetostudyonefficientidentificationofP2Ptraffictoimprovenetworkservicethroughmonitoringandmanaging.Inthemonitoringandmanagementsystem,P2Ptrafficidentificationtechnologyalsohasimportantmeaning.Throughtheinternationalreports,themethodbasedonneuralne

6、tworktoidentifyP2Ptrafficcanachievebetterresults.Butthesystemgeneralizationofthemethodisweak,andthisdissertationwillsolvetheproblembyneuralnetworkensemble.Therearethreeinnovationsinthisarticle.Firstly,Iconstructaneuralnetworkensemblebasedonadaptivegeneticalgorithm,whichcan

7、improvethegeneralizationabilityoflearningsystems.Secondly,IintroducethismethodintoRBFandFUZZYARTMAPneuralnetworkensembleandmakeP2PtrafficidentificationbyRBFandFUZZYARTMAPneuralnetworkensemble.Finally,IbuildasimulationmodeltotestandcomparetheP2Ptrafficidentificationmethodof

8、RBFandFUZZYARTMAPneuralnetworkensemble.Firstly,itmakesasimulationofP2Ptrafficidentificati

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。