多方法融合的智能终端检测及应用识别

发布时间：2020-03-26 01:35

【摘要】：随着互联网不断深入发展,移动终端设备逐渐成为人们的必备之物,与我们形影不离。为了更好地了解移动用户的信息,设计了移动终端设备型号识别技术。同时随着网络用户增多,网络流量不断增大以及网络应用不断增多,网络流量分类技术逐渐发展起来。通过网络流量分类技术可以识别出数据流所代表的应用类别,从而使网络资源得到优化配置,提高网络的服务质量。对此,做了如下工作:针对终端型号识别率低的问题,提出了一种基于Jaccard相似系数的终端设备型号识别技术。在识别阶段之前设计结合基于多粒度的UA分词方法与TF-IDF算法的过滤技术,完成对包含终端设备型号关键语句的提取;最后,引入Jaccard相似系数应用于终端识别中,获取终端设备型号信息。与WURFL和基于模式检测识别技术相比,本文对设备的识别率有所提升,同时针对不断变化的运行环境,取得了一定的效果。对于终端设备在网络中所产生的网络数据进行分类与识别,在特征处理方面,大多数算法只考虑到特征与分类的关系,或者结合分类器来进行特征的处理,这些方法无法很大程度上去除冗余的特征以及与分类不相关的特征。对此,对此提出了一种基于信息增益率权重相关系数的特征加权聚类特征选择算法,提高对网络流量的分类效率。首先,考虑特征与特征之间的关系,设计了基于信息增益率权重相关系数的度量方式,然后使用本文提出的特征选择算法,大大减少冗余与无关特征个数。接着利用SVM分类器的评估结果,得到最终的特征子集。最后仿真证明,本文提出的特征选择算法表现较好,使其平均f-score值在99.30%,相比于CFS、Relief-F以及所选对比实验均有所提高,而且本文提出的特征选择算法在J48、NB分类器上表现较好。
【图文】：

庆邮电大学硕士学位论文 第 1 章 引言员、服务提供商及用户都具有重要的意义，它是研究差异性服务、QoS 保障、侵检测、流量监控、计费管理及用户行为分析的前提和基础。因此，本文对终端检测识别及应用识别的研究具有一定的应用价值。

终端上网设备[2]
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.06;TP391.1;TP181

【相似文献】

相关期刊论文 前10条

1 吴中华;郑玮;;基于?_(2,1)范数的在线流特征选择算法[J];计算机与数字工程;2019年06期

2 代琨;于宏毅;马学刚;李青;;基于支持向量机的特征选择算法综述[J];信息工程大学学报;2014年01期

3 陈建华;王治和;蒋芸;许虎寅;樊东辉;;一种改进的文本分类特征选择算法[J];微电子学与计算机;2011年12期

4 张文静;王备战;张志宏;;基于图的特征选择算法综述[J];安徽大学学报(自然科学版);2017年01期

5 孙刚;张靖;;面向高维微阵列数据的集成特征选择算法[J];计算机工程与科学;2016年07期

6 张自敏;;大数据中基于稀疏投影的在线特征选择算法[J];湖南科技大学学报(自然科学版);2018年03期

7 陈晓明;;海量高维数据下分布式特征选择算法的研究与应用[J];科技通报;2013年08期

8 李富星;蒙祖强;;一种改进的类别区分词特征选择算法[J];计算机与现代化;2019年03期

9 刘飞飞;;特征选择算法及应用综述[J];办公自动化;2018年21期

10 侯屿;秦小林;彭皓月;张力戈;;全局调距和声特征选择算法[J];计算机工程与应用;2019年02期

相关会议论文 前10条

1 甄超;郑涛;许洁萍;;音乐流派分类中特征选择算法研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 陈伟海;李建军;赵志华;曹丹阳;李晋宏;;数据挖掘特征选择算法研究及其在铝电解中的应用[A];2011中国有色金属行业仪表自动化学术会议论文集[C];2011年

3 张仰森;曹元大;;最大熵建模方法中一种改进的特征选择算法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

4 张铮;胡社教;江萍;;基于EP模式的特征选择算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

5 周炎涛;唐剑波;王家琴;;基于信息熵的改进TFIDF特征选择算法[A];第二十六届中国控制会议论文集[C];2007年

6 徐燕;孙春明;王斌;李锦涛;;基于词条频率的特征选择算法研究[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年

7 李文法;段m#毅;刘悦;孙春来;;一种面向流分类的特征选择算法[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

8 戴键;杨宏晖;;用于水声目标识别的自适应免疫克隆特征选择算法[A];2011'中国西部声学学术交流会论文集[C];2011年

9 杨宏晖;李江涛;甘安琴;姚晓辉;;用于水下目标识别的无监督谱特征选择算法[A];2016年中国造船工程学会水中目标特性学组学术交流会论文集[C];2016年

10 罗勇;周超;许超;;文本分类在商品广告分类中的应用[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

相关博士学位论文 前10条

1 高万夫;基于序列前向选择策略的过滤算法研究[D];吉林大学;2019年

2 田肃岩;吸纳通路信息识别相关基因的特征选择算法的研究[D];吉林大学;2018年

3 黄鑫;基于特征关联关系的特征选择算法研究[D];大连理工大学;2018年

4 李云;特征选择算法及其在基于内容图像检索中的应用研究[D];重庆大学;2005年

5 张靖;面向高维小样本数据的分类特征选择算法研究[D];合肥工业大学;2014年

6 刘华文;基于信息熵的特征选择算法研究[D];吉林大学;2010年

7 史彩娟;网络空间图像标注中半监督稀疏特征选择算法研究[D];北京交通大学;2015年

8 杨杰明;文本分类中文本表示模型和特征选择算法研究[D];吉林大学;2013年

9 潘巍巍;故障严重程度识别的有序分类特征分析方法[D];哈尔滨工业大学;2013年

10 杨峻山;生物组学数据的集成特征选择研究[D];深圳大学;2017年

相关硕士学位论文 前10条

1 张颖;基于乳腺癌基因表达数据的特征选择算法研究[D];西南大学;2019年

2 王礼琴;半监督多标记特征选择算法研究[D];湖南师范大学;2019年

3 姜琳;弱标记特征选择算法研究[D];西南大学;2019年

4 李飞;基于层次聚类的生物数据特征选择算法的研究与实现[D];吉林大学;2019年

5 陈飞;标记倾向性和数据流特征选择算法研究[D];安庆师范大学;2019年

6 王颖;基于乌鸦搜索算法的特征选择算法的研究及改进优化[D];吉林大学;2019年

7 陈俊颖;特征选择算法在基因表达数据分类中的应用[D];中国计量大学;2018年

8 周丹;多方法融合的智能终端检测及应用识别[D];重庆邮电大学;2019年

9 刘畅;非线性规划形式的多标签特征选择算法的研究[D];南京师范大学;2019年

10 李森;基于多目标进化优化的癌症数据特征选择算法研究[D];安徽大学;2019年

，

本文编号：2600746