基于迁移学习的通信网络问题检测技术研究与实现

《基于迁移学习的通信网络问题检测技术研究与实现》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、工程硕士学位论文基于迁移学习的通信网络问题检测技术研究与实现作者姓名陈林清工程领域计算机技术校内指导教师陈琼副教授校外指导教师黄任志所在学院计算机科学与工程论文提交日期2016年4月TheresearchandimplementationofthetechniqueinfindingcommunicationsnetworkproblembaseontransferlearningADissertationSubmittedfortheDegreeofMasterCandidate：ChenlinqingSupervisor：Prof.ChenQiongSouthChinaUniver

2、sityofTechnologyGuangzhou,China分类号：TP3学校代号：10561学号：201321030749华南理工大学硕士学位论文基于迁移学习的通信网络问题检测技术研究与实现作者姓名：陈林清指导教师姓名、职称：陈琼副教授申请学位级别：工程硕士工程领域名称：计算机技术论文形式：□产品研发□工程设计应用研究□工程/项目管理□调研报告研究方向：计算机技术论文提交日期：2016年4月29日论文答辩日期：2016年6月4日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：张星明委员：高英、陈琼、何克晶、陈仲驹华甫理工大学学位论文原创性声明本人郑重声

3、明：所呈交的论文是ｉ人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中ｙｘ明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：、曰期：之捨年月７曰诉柄满＾＾学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，良Ｐ：研究生在校攻读学位期间论文工作的知识产权单位属华南理王大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文

4、外）；学校可公布学位论文的全部或部分内容、汇编学位，可允许采用影印、缩印或其它复制手段保存论文一。本人电子文档的内容和纸质论文的内容相致。’本学位论文属于：□保密，在年解密后适用本授权书。保密，同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资源总库》，传播学位论文的全部或部分内容。＂＂（请在上相应方框内打Ｖ）＾《窃ｆ參Ｗ作指者导签教师名签：壬气日期；名：曰期刪今《弓作联者联系电话：电子邮箱：系地址Ｃ含邮编；）；摘要本论文以某

5、公司网络异常检测问题为背景，根据网络异常数据的特点改进传统分类算法，提升网络异常检测的精度。网络异常检测数据集有三个特点：1，数据分布极度不平衡，异常数据少；2，数据每天产生，随着网络规模和拓扑结构变化，数据的分布也动态变化；3，不同网络异常具有很大的关联性，从而不同网络异常对应的数据集也有关联性。由于网络异常检测是数据分布极度不平衡的分类问题，本论文以AUC值作为分类器的评价标准。基于数据分布极度不平衡的特点，本论文提出UnbalanceAdaboost算法，在处理数据分布极度不平衡的分类问题上，UnbalanceAdaboost算法的AUC值比EasyEnsemble、SMOTEB

6、oost算法的AUC值大，而且算法时间复杂度增加不大；基于不同的网络异常检测数据集具有相关性的特点，本论文提出了UnbalanceTrAdaboost迁移学习算法，相比UnbalanceAdaboost和TrAdaboost算法，UnbalanceTrAdaboost算法充分考虑到了数据分布的不平衡性，又利用了相关的数据集辅助迁移学习，在处理数据分布不平衡的迁移学习问题时，效果比UnbalanceAdaboost和TrAdaboost算法好；基于数据每天产生，数据的分布会动态变化的特点，本论文利用分类器识别错的样本每天更新分类器，使分类器的分类精度不会随着数据分布改变而变得越来越差，同

7、时能小幅度提升分类器的分类精度。本论文对Weka进行二次开发，实现了本论文提出的UnbalanceAdaboost算法、UnbalanceTrAdaboost算法和更新过程。通过实验，证明了当以AUC值作为分类器的评价标准时，本论文提出的算法在处理数据分布极度不平衡，有相关数据集可以辅助迁移学习的分类问题，效果比EasyEnsemble、SMOTEBoost、TrAdaboos好。关键字：网络异常检测；不平衡数据集分类；迁移学习；WekaIAB