資源描述：
《基于支持向量機(jī)的網(wǎng)絡(luò)流分類技術(shù)的研究.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、中圈料孽教求犬謄碩士學(xué)位論基于支持向量機(jī)的網(wǎng)絡(luò)流分類技術(shù)的研究作者姓名：學(xué)科專業(yè)：導(dǎo)師姓名：完成時(shí)間：荊寧計(jì)算機(jī)軟件與理論董群峰教授二O一二年四月文UniversityofScienceandTechnologyofChinaAdissertationformasterdegreeResearchOilSVM。．basedMethodforNetworkTra伍cClassificationAuthoI‘NingJingSpeciality：Computersoftwareandtheory^’buloel。V180I’：FinishedTimePI。of．qunfengDon
2、gApril，2012中國科學(xué)技術(shù)大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下進(jìn)行研究工作所取得的成果。除已特另JJ,DH以標(biāo)注和致謝的地方外，論文中不包含任何他人已經(jīng)發(fā)表或撰寫過的研究成果。與我一同工作的同志對本研究所做的貢獻(xiàn)均已在論文中作了明確的說明。作者簽名：堡l皇簽字日期：翌!!：!：堡中國科學(xué)技術(shù)大學(xué)學(xué)位論文授權(quán)使用聲明作為申請學(xué)位的條件之一，學(xué)位論文著作權(quán)擁有者授權(quán)中國科學(xué)技術(shù)大學(xué)擁有學(xué)位論文的部分使用權(quán)，即：學(xué)校有權(quán)按有關(guān)規(guī)定向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱，可以將學(xué)位論文編入《中國學(xué)位論文全文數(shù)據(jù)庫》等有關(guān)
3、數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。本人提交的電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學(xué)位論文在解密后也遵守此規(guī)定?？冢瘡拈_口保密——年作者簽名：j虹導(dǎo)師簽名：鯫簽字日期：摘要摘要隨著計(jì)算機(jī)互聯(lián)網(wǎng)的高速發(fā)展，各種互聯(lián)網(wǎng)應(yīng)用不斷涌現(xiàn)，因此需要網(wǎng)絡(luò)管理技術(shù)對網(wǎng)絡(luò)帶寬資源進(jìn)行合理優(yōu)化。在使用網(wǎng)絡(luò)管理相關(guān)技術(shù)之前首先需要對互聯(lián)網(wǎng)中的各種應(yīng)用流量進(jìn)行識別；因此，網(wǎng)絡(luò)流分類(TrafficClassification)技術(shù)便成為網(wǎng)絡(luò)管理中的核心問題。本文結(jié)合機(jī)器學(xué)習(xí)中支持向量機(jī)的相關(guān)技術(shù)，對網(wǎng)絡(luò)流分類技術(shù)進(jìn)行研究。基于支持向量機(jī)技術(shù)的網(wǎng)絡(luò)流分類器技術(shù)只
4、需要較小的樣本集即可訓(xùn)練得到較高準(zhǔn)確率的分類器；因此，近年來吸引了大量的學(xué)者研究。盡管如此，現(xiàn)存的基于支持向量機(jī)的分類技術(shù)由于其高昂的計(jì)算代價(jià)一直無法實(shí)用。鑒于此，本文從軟件和硬件兩方面提出了兩種優(yōu)化方案使得基于支持向量機(jī)的分類器可以更好地適用于高速網(wǎng)絡(luò)場合。在軟件方面，本文提出一種新的基于支持向量機(jī)的多類分類技術(shù)(模糊錦標(biāo)賽法)來解決分類效率和準(zhǔn)確性問題。通過在真實(shí)的網(wǎng)絡(luò)trace文件上實(shí)驗(yàn)，此技術(shù)極大降低了分類器的計(jì)算代價(jià)并保持了較低的分類錯誤率。相對于之前的技術(shù)，該法降低計(jì)算代價(jià)達(dá)7．65倍，誤分率降低2．35倍。在硬件方面，為迸一步提高分類器的分類速度，本文利用了GPU
5、的相關(guān)技術(shù)來并行加速分類器的分類過程。最終，更低的計(jì)算代價(jià)、更高的分類準(zhǔn)確率、更快的分類速度，這些使得基于支持向量機(jī)的分類器技術(shù)在高速網(wǎng)絡(luò)環(huán)境中更加實(shí)用。關(guān)鍵詞：流量識別，多分類，支持向量機(jī)，GPU原書為白頁不缺內(nèi)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
