学位论文 > 优秀研究生学位论文题录展示

神经网络集成及其P2P流量识别的应用研究

作　者: 丁玲
导　师: 刘丹平
学　校: 重庆大学
专　业: 通信与信息系统
关键词: P2P技术 网络控制 P2P流量识别 神经网络集成
分类号: TP393.02
类　型: 硕士论文
年　份: 2011年
下　载: 60次
引　用: 1次
阅　读: 论文下载
 

内容摘要


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FUZZY ARTMAP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FUZZY ARTMAP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FUZZY ARTMAP神经网络集成用于P2P流量识别中,结果表明,两种神经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FUZZY ARTMAP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FUZZY ARTMAP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FUZZY ARTMAP神经网络集成是最佳思路。

全文目录


中文摘要  3-4
英文摘要  4-8
1 绪论  8-13
  1.1 引言  8
  1.2 神经网络的发展  8-9
  1.3 神经网络集成研究  9-10
  1.4 P2P流量识别的研究现状  10-11
  1.5 本文的研究内容及组织结构  11-13
2 神经网络  13-21
  2.1 神经网络概述  13-14
  2.2 RBF神经网络  14-17
    2.2.1 RBF神经网络结构  14-15
    2.2.2 RBF神经网络学习算法  15-17
    2.2.3 RBF神经网络的优点及问题  17
  2.3 FUZZY ARTMAP神经网络  17-20
    2.3.1 FUZZY ARTMAP的网络结构  17-18
    2.3.2 FUZZY ARTMAP神经网络学习算法  18-20
    2.3.3 FUZZY ARTMAP神经网络的优点及问题  20
  2.4 本章小结  20-21
3 神经网络集成  21-29
  3.1 引言  21
  3.2 神经网络集成的定义  21
  3.3 神经网络集成的原理  21-22
  3.4 神经网络集成的构造方法和相关技术  22-28
    3.4.1 个体生成方式研究  23-27
    3.4.2 结论生成方式分析  27-28
  3.5 本章小结  28-29
4 基于自适应遗传算法的神经网络集成  29-35
  4.1 遗传算法  29
  4.2 遗传算法的基本原理  29-31
  4.3 自适应遗传算法  31-32
  4.4 基于自适应遗传算法的神经网络集成  32-34
    4.4.1 基于最优权值的神经网络选择方法  32-33
    4.4.2 基于自适应遗传算法的实现方法  33-34
  4.5 本章小结  34-35
5 神经网络集成用于P2P流量识别  35-43
  5.1 引言  35-36
  5.2 流量特征分析  36-39
    5.2.1 流量采集  36-37
    5.2.2 P2P流量特征总结  37-39
  5.3 流量特征选择  39-40
  5.4 神经网络集成的识别过程  40-42
    5.4.1 神经网络个体的构建  41
    5.4.2 神经网络的集成方法  41-42
  5.5 本章小结  42-43
6 仿真结果及结果分析  43-55
  6.1 仿真和结果分析  43-52
  6.2 神经网络集成的优化方案  52-54
  6.3 本章小结  54-55
7 总结与展望  55-57
致谢  57-58
参考文献  58-61
附录  61
  A 作者在攻读硕士学位期间发表论文的情况  61

相似论文

  1. 基于感性负载的车身网络控制系统,U463.6
  2. 压电驱动微工作台的控制与校正技术研究,TP273
  3. 某武器检测装置的控制系统设计,TP183
  4. 基于聚类分析的P2P流量识别算法的研究,TP393.02
  5. 若干类广义网络控制系统的分析与控制,O231
  6. 太阳能集热洗浴控制系统的设计及其故障检测,TP273
  7. 基于多模型决策融合的空分过程故障检测与预报,TQ116.11
  8. P2P流量识别方法研究,TP393.06
  9. 基于无线网络控制系统的动态优先级调度仿真研究,TP273
  10. 具有资源约束的网络控制系统调度与控制的协同设计,TP13
  11. 基于联合仿真的主动悬架控制策略研究,U463.33
  12. P2P技术引起的版权侵权问题研究,D923.41
  13. 具有网络时延和数据丢包的网络控制系统稳定性研究,TP13
  14. 基于动态矩阵控制的网络控制系统研究,TP273
  15. 基于Web Service的移动机械手网络控制系统的研究,TP241.2
  16. 网络控制系统控制策略的研究,TP273
  17. 网络控制系统的两步变换与多速率控制,TP273
  18. FC-AE-1553总线技术研究,TP273
  19. 一种基于用户行为的P2P防污染机制的研究,TP393.02
  20. 北京移动数据省级网管系统设计与实施,TN929.5
  21. 基于过程神经网络集成的航空发动机性能衰退预测,TP183

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络结构与设计
© 2012 www.xueweilunwen.com