基于多分类器协同的流量识别方法研究与实现开题报告

1. 研究目的与意义

随着信息技术的高速发展，纷繁杂乱的互联网应用遍布网络之上，同时它们也消耗了大量的网络资源，不仅使网络服务质量下降很多，还导致许多网络安全隐患，因此为了解决这个问题我们需要进行网络流量进行分类管理，这样我们才能使网络资源得到合理高效的使用，并给网络管理者提供有效管理网络资源的手段。

在当今网络分类技术中，大多都是基于具有自动性和自适应性的机器学习技术，

svm分类器能做到高效的分类并且准确率非常高，在所有的机械学习技术中优势突出，但是svm是一种二分类方法分类数据，并不适合对存在多种数据类型的流量数据进行识别，因此需要采取多个分类器协同的方法，来克服单分类器识别效果不理想的情况，并在有效提高准确性的同时降低学习成本。通过多个二分类分类器组合起来，形成一个可以识别多种流量的整体分类器，而为了提高一个整体分类器的精准度，需要考虑使用算法对各基分类器结果进行处理，比如对基分类结果进行加权处理，或者从高到低精度的对基分类器进行排列分类处理来提高精确性等等。本课题目的通过研究找出一种使用多个分类器协同的流量分类方法。

2. 研究内容和预期目标

研究内容：

1、深入学习机器学习基本理论和方法；

2、通过所掌握的python或java等编程语言，并结合数学统计、软件工程等相关理论、技术，设计和实现基于svm的流量识别算法；

3. 研究的方法与步骤

方法：

1．阅读任务书，了解课题的研究方向；

2．上网查找相关资料；

4. 参考文献

[1] [土耳其]ethem alpaydin著，范明等译. 机器学习导论（原书第2版）.机械工业出版社,2014.

[2] [美] 唐正军，李建华.入侵检测技术[m]. 北京：清华大学出版社，2004.

[3] 李昆仑，黄厚宽，田盛丰，等. 模糊多类支持向量机及其在入侵检测中的应用[j].计算机学报，2005，28（2）：274-280.

5. 计划与进度安排

1、2022.1 ---- 2022.2 查阅资料,了解课题背景， 撰写开题报告

2、2022.2 ---- 2022.3 根据课题要求，进行需求分析,熟悉开发工具

3、2022.3 ---- 2022.3 根据分析结果，对系统进行概要设计