基于改进的k均值聚类算法的p2p流量识别的研究

《基于改进的k均值聚类算法的p2p流量识别的研究》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、万方数据UniversityCode：10225RegisterCode：S13636DissertationfortheDegreeofMasterTheresearchofP2P仃affiCidentificationbasedonimprovedk—meansclusteringalgorithmCandidate：Supervisor：AcademicDegreeAppliedfor：Speciality：DateofOralExamination：University：ZhaoWeiyuProf．Ta

2、ngWenxiuMasterofEngineeringDetectionTechnology-andAutomaticequipmentJune，2013NortheastForestry万方数据摘要随着互联网技术的快速发展，P2P技术以丰富快捷的资源共享等特点获得了迅速的发展，给人们的生活带来了很大的便利，但同时也带来了网络的拥塞、带宽的消耗等问题，运营商不得不增加更多的带宽来保证服务质量。随着P2P应用的不断增多以及网络规模的扩大，运营商就会陷入“拥塞．增加带宽．再拥塞”的死循环，不但不能保证基本的服务质量

3、，而且增加了带宽上的成本。解决该问题的根本方法是实现对P2P流量的准确快速识别，根据实际状况对流量进行合理控制和优化管理。本文介绍了P2P技术的结构特点和发展情况以及P2P流量识别方法的研究现状，并分析了在P2P流量识别中的机器学习算法，通过比较有监督的机器学习算法、无监督的机器学习算法和半监督的机器学习算法的优缺点，采用半监督的机器学习算法进行P2P流量识别。首先，针对P2P流量中存在的冗余特征和不相关特征，采用CFS算法进行特征选择，该算法能够不仅能够保证分类的准确率、高效地完成特征选择，还可以去除P2P流

4、量中的冗余特征。其次，针对k均值算法每次迭代过程中都需要对所有数据进行距离计算的问题，利用球树进行改进，减少了迭代次数，提高了聚类效率：针对k均值算法识别准确率低的问题，利用少量标记样本作为指导，获得有指导性的初始聚类中心，再进行聚类，根据改进后的k均值聚类算法，利用weka3．7进行实验验证，实现了P2P流量的准确快速识别。最后，构建P2P流量控制系统，采用二维动态流控技术，实现了对BT等P2P流量的有效控制。关键词P2P流量识别；k均值算法；半监督：球树；二维流控万方数据Abstract眦therapidd

5、evelopmentofInternettechnology，P2Ptechnologyhasobtainedarapiddevelopmentbysharingandothercharacteristicstoenrichefficientresourceandbringgreatconveniencetopeople’Slives，butalsobringsnetworkcongestion，bandwidthconsumption，etc．problem,operatorshadtoaddmoreband

6、widthtoensurequalityofservice．WiththegrowingnumberofP2Papplicationsandnetworkexpansion，operatorswillfallinto”congestion—increasebandwidth-thencongestion”cycleofdeath，notonlyCannotguaranteethebasicqualityofservice，andincreasedbandwidthcosts．Thefundamentalwayt

7、osolvetheproblemistoachievefastandaccurateidentificationofP2Ptraffic，accordingtotheactualconditionsonthereasonablecontrolandoptimizationoftrafficmanagement．强sarticledescribesthesmmturalcharacteristicsofP2Ptechnology,andthedevelopmentofP2Ptrafficidentificatio

8、nmethodResearchmadanalysisofmachinelearningalgorithmsinP2Ptramcidentification,supervisedmachinelearningalgorithms，unsupervisedmachinelearningalgorithmsandsemi—theadvantagesanddisadvantagesofthes