基于深度學(xué)習(xí)的網(wǎng)絡(luò)業(yè)務(wù)流量識(shí)別算法研究.pdf

1、本學(xué)位論文的工作基于國(guó)家電網(wǎng)公司科技項(xiàng)目“電力信息通信網(wǎng)絡(luò)流量預(yù)測(cè)和管道智能化關(guān)鍵技術(shù)研究及其應(yīng)用”項(xiàng)目，研究目標(biāo)為面向網(wǎng)絡(luò)業(yè)務(wù)的流量識(shí)別與感知，主要內(nèi)容為基于深度學(xué)習(xí)的網(wǎng)絡(luò)業(yè)務(wù)流量識(shí)別算法研究，將深度學(xué)習(xí)經(jīng)典模型卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到網(wǎng)絡(luò)業(yè)務(wù)流量識(shí)別中，以提高網(wǎng)絡(luò)業(yè)務(wù)流量識(shí)別性能。
　　針對(duì)網(wǎng)絡(luò)業(yè)務(wù)流量特征屬性較多問(wèn)題，提出了一種基于相似度和獨(dú)特度的特征選擇算法，并與信息增益比、皮爾森相關(guān)系數(shù)、屬性的對(duì)稱(chēng)不確定性和相關(guān)性特征選擇算法

2、進(jìn)行了比較;針對(duì)網(wǎng)絡(luò)業(yè)務(wù)流量不均勻特點(diǎn)，提出了一種基于混合交叉訓(xùn)練策略的卷積神經(jīng)網(wǎng)絡(luò)改進(jìn)識(shí)別方法并在Moore數(shù)據(jù)集上進(jìn)行了驗(yàn)證。
　　全文共分為五章，主要內(nèi)容為:
　　第一章簡(jiǎn)介課題背景及研究意義，闡述網(wǎng)絡(luò)業(yè)務(wù)流量識(shí)別技術(shù)研究現(xiàn)狀，同時(shí)給出論文的章節(jié)安排。
　　第二章概述了深度學(xué)習(xí)概念，分析了深度學(xué)習(xí)經(jīng)典模型卷積神經(jīng)網(wǎng)絡(luò)的基本原理、參數(shù)初始化、訓(xùn)練方法以及評(píng)價(jià)準(zhǔn)則。
　　第三章針對(duì)網(wǎng)絡(luò)業(yè)務(wù)流量特征屬性較多問(wèn)題，