發(fā)布時間：2020-03-26 01:35

【摘要】：隨著互聯(lián)網(wǎng)不斷深入發(fā)展,移動終端設(shè)備逐漸成為人們的必備之物,與我們形影不離。為了更好地了解移動用戶的信息,設(shè)計(jì)了移動終端設(shè)備型號識別技術(shù)。同時隨著網(wǎng)絡(luò)用戶增多,網(wǎng)絡(luò)流量不斷增大以及網(wǎng)絡(luò)應(yīng)用不斷增多,網(wǎng)絡(luò)流量分類技術(shù)逐漸發(fā)展起來。通過網(wǎng)絡(luò)流量分類技術(shù)可以識別出數(shù)據(jù)流所代表的應(yīng)用類別,從而使網(wǎng)絡(luò)資源得到優(yōu)化配置,提高網(wǎng)絡(luò)的服務(wù)質(zhì)量。對此,做了如下工作:針對終端型號識別率低的問題,提出了一種基于Jaccard相似系數(shù)的終端設(shè)備型號識別技術(shù)。在識別階段之前設(shè)計(jì)結(jié)合基于多粒度的UA分詞方法與TF-IDF算法的過濾技術(shù),完成對包含終端設(shè)備型號關(guān)鍵語句的提取;最后,引入Jaccard相似系數(shù)應(yīng)用于終端識別中,獲取終端設(shè)備型號信息。與WURFL和基于模式檢測識別技術(shù)相比,本文對設(shè)備的識別率有所提升,同時針對不斷變化的運(yùn)行環(huán)境,取得了一定的效果。對于終端設(shè)備在網(wǎng)絡(luò)中所產(chǎn)生的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分類與識別,在特征處理方面,大多數(shù)算法只考慮到特征與分類的關(guān)系,或者結(jié)合分類器來進(jìn)行特征的處理,這些方法無法很大程度上去除冗余的特征以及與分類不相關(guān)的特征。對此,對此提出了一種基于信息增益率權(quán)重相關(guān)系數(shù)的特征加權(quán)聚類特征選擇算法,提高對網(wǎng)絡(luò)流量的分類效率。首先,考慮特征與特征之間的關(guān)系,設(shè)計(jì)了基于信息增益率權(quán)重相關(guān)系數(shù)的度量方式,然后使用本文提出的特征選擇算法,大大減少冗余與無關(guān)特征個數(shù)。接著利用SVM分類器的評估結(jié)果,得到最終的特征子集。最后仿真證明,本文提出的特征選擇算法表現(xiàn)較好,使其平均f-score值在99.30%,相比于CFS、Relief-F以及所選對比實(shí)驗(yàn)均有所提高,而且本文提出的特征選擇算法在J48、NB分類器上表現(xiàn)較好。
【圖文】：

慶郵電大學(xué)碩士學(xué)位論文 第 1 章 引言員、服務(wù)提供商及用戶都具有重要的意義，它是研究差異性服務(wù)、QoS 保障、侵檢測、流量監(jiān)控、計(jì)費(fèi)管理及用戶行為分析的前提和基礎(chǔ)。因此，本文對終端檢測識別及應(yīng)用識別的研究具有一定的應(yīng)用價值。

終端上網(wǎng)設(shè)備[2]
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP393.06;TP391.1;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳中華;鄭瑋;;基于?_(2,1)范數(shù)的在線流特征選擇算法[J];計(jì)算機(jī)與數(shù)字工程;2019年06期

2 代琨;于宏毅;馬學(xué)剛;李青;;基于支持向量機(jī)的特征選擇算法綜述[J];信息工程大學(xué)學(xué)報(bào);2014年01期

3 陳建華;王治和;蔣蕓;許虎寅;樊東輝;;一種改進(jìn)的文本分類特征選擇算法[J];微電子學(xué)與計(jì)算機(jī);2011年12期

4 張文靜;王備戰(zhàn);張志宏;;基于圖的特征選擇算法綜述[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

5 孫剛;張靖;;面向高維微陣列數(shù)據(jù)的集成特征選擇算法[J];計(jì)算機(jī)工程與科學(xué);2016年07期

6 張自敏;;大數(shù)據(jù)中基于稀疏投影的在線特征選擇算法[J];湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年03期

7 陳曉明;;海量高維數(shù)據(jù)下分布式特征選擇算法的研究與應(yīng)用[J];科技通報(bào);2013年08期

8 李富星;蒙祖強(qiáng);;一種改進(jìn)的類別區(qū)分詞特征選擇算法[J];計(jì)算機(jī)與現(xiàn)代化;2019年03期

9 劉飛飛;;特征選擇算法及應(yīng)用綜述[J];辦公自動化;2018年21期

10 侯嶼;秦小林;彭皓月;張力戈;;全局調(diào)距和聲特征選擇算法[J];計(jì)算機(jī)工程與應(yīng)用;2019年02期

相關(guān)會議論文 前10條

1 甄超;鄭濤;許潔萍;;音樂流派分類中特征選擇算法研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

2 陳偉海;李建軍;趙志華;曹丹陽;李晉宏;;數(shù)據(jù)挖掘特征選擇算法研究及其在鋁電解中的應(yīng)用[A];2011中國有色金屬行業(yè)儀表自動化學(xué)術(shù)會議論文集[C];2011年

3 張仰森;曹元大;;最大熵建模方法中一種改進(jìn)的特征選擇算法[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2004年

4 張錚;胡社教;江萍;;基于EP模式的特征選擇算法[A];2011中國儀器儀表與測控技術(shù)大會論文集[C];2011年

5 周炎濤;唐劍波;王家琴;;基于信息熵的改進(jìn)TFIDF特征選擇算法[A];第二十六屆中國控制會議論文集[C];2007年

6 徐燕;孫春明;王斌;李錦濤;;基于詞條頻率的特征選擇算法研究[A];中文信息處理前沿進(jìn)展——中國中文信息學(xué)會二十五周年學(xué)術(shù)會議論文集[C];2006年

7 李文法;段m#毅;劉悅;孫春來;;一種面向流分類的特征選擇算法[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

8 戴鍵;楊宏暉;;用于水聲目標(biāo)識別的自適應(yīng)免疫克隆特征選擇算法[A];2011'中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2011年

9 楊宏暉;李江濤;甘安琴;姚曉輝;;用于水下目標(biāo)識別的無監(jiān)督譜特征選擇算法[A];2016年中國造船工程學(xué)會水中目標(biāo)特性學(xué)組學(xué)術(shù)交流會論文集[C];2016年

10 羅勇;周超;許超;;文本分類在商品廣告分類中的應(yīng)用[A];全國第五屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議�？�(第一冊)[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 高萬夫;基于序列前向選擇策略的過濾算法研究[D];吉林大學(xué);2019年

2 田肅巖;吸納通路信息識別相關(guān)基因的特征選擇算法的研究[D];吉林大學(xué);2018年

3 黃鑫;基于特征關(guān)聯(lián)關(guān)系的特征選擇算法研究[D];大連理工大學(xué);2018年

4 李云;特征選擇算法及其在基于內(nèi)容圖像檢索中的應(yīng)用研究[D];重慶大學(xué);2005年

5 張靖;面向高維小樣本數(shù)據(jù)的分類特征選擇算法研究[D];合肥工業(yè)大學(xué);2014年

6 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學(xué);2010年

7 史彩娟;網(wǎng)絡(luò)空間圖像標(biāo)注中半監(jiān)督稀疏特征選擇算法研究[D];北京交通大學(xué);2015年

8 楊杰明;文本分類中文本表示模型和特征選擇算法研究[D];吉林大學(xué);2013年

9 潘巍巍;故障嚴(yán)重程度識別的有序分類特征分析方法[D];哈爾濱工業(yè)大學(xué);2013年

10 楊峻山;生物組學(xué)數(shù)據(jù)的集成特征選擇研究[D];深圳大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 張穎;基于乳腺癌基因表達(dá)數(shù)據(jù)的特征選擇算法研究[D];西南大學(xué);2019年

2 王禮琴;半監(jiān)督多標(biāo)記特征選擇算法研究[D];湖南師范大學(xué);2019年

3 姜琳;弱標(biāo)記特征選擇算法研究[D];西南大學(xué);2019年

4 李飛;基于層次聚類的生物數(shù)據(jù)特征選擇算法的研究與實(shí)現(xiàn)[D];吉林大學(xué);2019年

5 陳飛;標(biāo)記傾向性和數(shù)據(jù)流特征選擇算法研究[D];安慶師范大學(xué);2019年

6 王穎;基于烏鴉搜索算法的特征選擇算法的研究及改進(jìn)優(yōu)化[D];吉林大學(xué);2019年

7 陳俊穎;特征選擇算法在基因表達(dá)數(shù)據(jù)分類中的應(yīng)用[D];中國計(jì)量大學(xué);2018年

8 周丹;多方法融合的智能終端檢測及應(yīng)用識別[D];重慶郵電大學(xué);2019年

9 劉暢;非線性規(guī)劃形式的多標(biāo)簽特征選擇算法的研究[D];南京師范大學(xué);2019年

10 李森;基于多目標(biāo)進(jìn)化優(yōu)化的癌癥數(shù)據(jù)特征選擇算法研究[D];安徽大學(xué);2019年

，

本文編號：2600746