互聯(lián)網(wǎng)大數(shù)據(jù)挖掘與分類

定　價(jià)：￥40.00

作　者：	程光，周愛(ài)平，吳樺
出版社：	東南大學(xué)出版社
叢編項(xiàng)：	網(wǎng)絡(luò)新技術(shù)系列叢書
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787564161965	出版時(shí)間：	2015-12-01	包裝：
開本：	16開	頁(yè)數(shù)：	231	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　近年來(lái)，互聯(lián)網(wǎng)的快速發(fā)展、新應(yīng)用的不斷出現(xiàn)、網(wǎng)絡(luò)帶寬的不斷提高和網(wǎng)絡(luò)數(shù)據(jù)流的急劇增加給互聯(lián)網(wǎng)數(shù)據(jù)分析研究帶來(lái)了技術(shù)挑戰(zhàn)，互聯(lián)網(wǎng)數(shù)據(jù)挖掘和分類對(duì)于網(wǎng)絡(luò)計(jì)費(fèi)、流量工程、網(wǎng)絡(luò)安全等領(lǐng)域具有廣泛應(yīng)用價(jià)值。《互聯(lián)網(wǎng)大數(shù)據(jù)挖掘與分類》主要針對(duì)互聯(lián)網(wǎng)大數(shù)據(jù)挖掘與分類問(wèn)題，系統(tǒng)介紹了作者在互聯(lián)網(wǎng)數(shù)據(jù)分析處理方面的理論及實(shí)踐的研究成果，主要介紹兩個(gè)互聯(lián)網(wǎng)大數(shù)據(jù)的挖掘和分類平臺(tái)：基于hadoop集群網(wǎng)絡(luò)被動(dòng)測(cè)量數(shù)據(jù)分析平臺(tái)和基于覆蓋網(wǎng)的主動(dòng)測(cè)量網(wǎng)絡(luò)故障診斷平臺(tái)，同時(shí)《互聯(lián)網(wǎng)大數(shù)據(jù)挖掘與分類》分別探討了基于這兩個(gè)平臺(tái)的超點(diǎn)抽樣檢測(cè)方法、并行長(zhǎng)持續(xù)時(shí)間流檢測(cè)方法、面向MapReduce的大流識(shí)別方法、基于信息熵靈敏度的異常檢測(cè)方法、HTTP流量的頁(yè)面關(guān)聯(lián)、網(wǎng)絡(luò)流的分類方法等六個(gè)方面的互聯(lián)網(wǎng)大數(shù)據(jù)挖掘和分類問(wèn)題?！痘ヂ?lián)網(wǎng)大數(shù)據(jù)挖掘與分類》的內(nèi)容對(duì)深入研究互聯(lián)網(wǎng)數(shù)據(jù)測(cè)量和分析方法具有重要的借鑒意義，為網(wǎng)絡(luò)安全和網(wǎng)絡(luò)管理，特別是校園網(wǎng)的管理提供了參考?！痘ヂ?lián)網(wǎng)大數(shù)據(jù)挖掘與分類》可供計(jì)算機(jī)科學(xué)、信息科學(xué)、網(wǎng)絡(luò)工程及流量工程等學(xué)科的科研人員、大學(xué)教師和相關(guān)專業(yè)的研究生和本科生，以及從事計(jì)算機(jī)網(wǎng)絡(luò)管理領(lǐng)域、網(wǎng)絡(luò)工程及網(wǎng)絡(luò)安全保護(hù)的技術(shù)人員閱讀參考。

作者簡(jiǎn)介

暫缺《互聯(lián)網(wǎng)大數(shù)據(jù)挖掘與分類》作者簡(jiǎn)介

圖書目錄

1 緒論
1．1 背景知識(shí)
1．1．1 研究背景
1．1．2 研究意義
1．2 網(wǎng)絡(luò)測(cè)量技術(shù)
1．2．1 網(wǎng)絡(luò)測(cè)量常見(jiàn)對(duì)象
1．2．2 網(wǎng)絡(luò)測(cè)量分析的問(wèn)題
1．2．3 單點(diǎn)測(cè)量常用方法
1．2．4 單點(diǎn)網(wǎng)絡(luò)測(cè)量常用工具
1．2．5 分布式網(wǎng)絡(luò)測(cè)量技術(shù)
1．3 分類算法
1．3．1 決策樹
1．3．2 貝葉斯分類
1．3．3 支持向量機(jī)
1．4 C4．5算法
1．4．1 算法概述
1．4．2 決策樹的分割
1．4．3 決策樹的剪枝
1．4．4 剪枝實(shí)例
1．4．5 十折交叉驗(yàn)證方法
1．4．6 測(cè)度子集選擇方法
1．5 數(shù)據(jù)挖掘方法
1．5．1 聚類方法
1．5．2 k-近鄰算法
1．6 流數(shù)據(jù)結(jié)構(gòu)
1．6．1 Bitmap
1．6．2 混合Counter
1．6．3 Count-Min Sketch
1．6．4 Bloom Filter
1．6．5 Counter Braids
1．6．6 BRICK
1．7 流量測(cè)量的評(píng)價(jià)指標(biāo)
1．7．1 誤報(bào)率和漏報(bào)率
1．7．2 相對(duì)誤差
1．7．3 相對(duì)差
1．7．4 熵
1．8 小結(jié)
參考文獻(xiàn)
2 互聯(lián)網(wǎng)大數(shù)據(jù)分析系統(tǒng)
2．1 系統(tǒng)設(shè)計(jì)
2．1．1 總體設(shè)計(jì)
2．1．2 數(shù)據(jù)收集層設(shè)計(jì)
2．1．3 并行算法層設(shè)計(jì)
2．1．4 查詢層設(shè)計(jì)
2．2 測(cè)度定義
2．2．1 輸入測(cè)度
2．2．2 用戶行為測(cè)度
2．2．3 輸出測(cè)度
2．3 基于MapReduce測(cè)度的計(jì)算方法
2．3．1 單點(diǎn)TCP測(cè)度
2．3．2 并行TCP測(cè)度
2．3．3 流聚合并行方法
2．3．4 用戶行為測(cè)度
2．3．5 并行算法優(yōu)化
2．4 系統(tǒng)實(shí)現(xiàn)
2．4．1 存儲(chǔ)模塊實(shí)現(xiàn)
2．4．2 測(cè)度計(jì)算模塊實(shí)現(xiàn)
2．4．3 用戶行為分析模塊實(shí)現(xiàn)
2．4．4 查詢模塊實(shí)現(xiàn)
2．5 實(shí)驗(yàn)分析
2．5．1 實(shí)驗(yàn)環(huán)境
2．5．2 實(shí)驗(yàn)平臺(tái)布署
2．5．3 實(shí)驗(yàn)數(shù)據(jù)集
2．5．4 實(shí)驗(yàn)結(jié)果分析
2．5．5 可擴(kuò)展性分析
2．5．6 性能瓶頸分析
2．6 小結(jié)
參考文獻(xiàn)
3 超點(diǎn)數(shù)據(jù)流檢測(cè)方法
3．1 引言
3．2 并行數(shù)據(jù)流方法
3．2．1 方法描述
3．2．2 相關(guān)定義
3．2．3 數(shù)據(jù)結(jié)構(gòu)
3．2．4 更新歸并過(guò)程
3．2．5 鏈接度估計(jì)
3．2．6 超點(diǎn)檢測(cè)
3．3 性能分析
3．3．1 存儲(chǔ)開銷
3．3．2 準(zhǔn)確性
3．3．3 計(jì)算性能
3．4 實(shí)驗(yàn)分析
3．4．1 實(shí)驗(yàn)數(shù)據(jù)
3．4．2 評(píng)價(jià)標(biāo)準(zhǔn)
3．4．3 鏈接度估計(jì)
3．4．4 參數(shù)評(píng)估
3．4．5 算法對(duì)比
3．5 小結(jié)
參考文獻(xiàn)
4 長(zhǎng)持續(xù)時(shí)間流檢測(cè)方法
4．1 引言
4．2 問(wèn)題定義
4．3 數(shù)據(jù)結(jié)構(gòu)
4．4 基于共享數(shù)據(jù)結(jié)構(gòu)的檢測(cè)方法
4．4．1 方法描述
4．4．2 方法流程
4．4．3 實(shí)驗(yàn)結(jié)果分析
4．5 基于獨(dú)立數(shù)據(jù)結(jié)構(gòu)的檢測(cè)方法
4．5．1 方法描述
4．5．2 方法流程
4．5．3 性能分析
4．5．4 實(shí)驗(yàn)結(jié)果分析
4．6 小結(jié)
參考文獻(xiàn)
5 大流的自適應(yīng)抽樣識(shí)別方法
5．1 引言
5．2 大流識(shí)別方法
5．2．1 問(wèn)題定義
5．2．2 方法描述
5．2．3 自適應(yīng)抽樣
5．2．4 數(shù)據(jù)劃分
5．2．5 大流識(shí)別
5．3 實(shí)驗(yàn)結(jié)果分析
5．3．1 實(shí)驗(yàn)環(huán)境
5．3．2 估計(jì)精度
5．3．3 負(fù)載均衡
5．3．4 可擴(kuò)展性
5．3．5 數(shù)據(jù)更新
5．3．6 Reducer數(shù)量
5．4 小結(jié)
參考文獻(xiàn)
6 流量異常的信息熵檢測(cè)方法
6．1 引言
6．1．1 研究背景
6．1．2 研究意義
6．1．3 相關(guān)研究
6．1．4 本章內(nèi)容
6．2 信息熵靈敏度分析
6．2．1 理論分析
6．2．2 實(shí)驗(yàn)分析
6．2．3 分析結(jié)論
6．3 流量異常檢測(cè)方法
6．3．1 測(cè)度定義
6．3．2 基于Kmeans的閾值選擇
6．3．3 正常流量BID學(xué)習(xí)
6．3．4 驗(yàn)證方案
6．4 實(shí)驗(yàn)結(jié)果分析
6．4．1 實(shí)驗(yàn)環(huán)境
6．4．2 攻擊流量獲取
6．4．3 攻擊檢測(cè)能力評(píng)估
6．4．4 檢測(cè)準(zhǔn)確性
6．5 小結(jié)
參考文獻(xiàn)
7 網(wǎng)頁(yè)關(guān)聯(lián)分析方法
7．1 概述
7．1．1 研究背景
7．1．2 研究意義
7．1．3 相關(guān)研究
7．2 網(wǎng)頁(yè)關(guān)聯(lián)概念
7．2．1 定義
7．2．2 問(wèn)題描述
7．2．3 輸入輸出描述
7．2．4 分類
7．2．5 網(wǎng)頁(yè)引用方法
7．3 基于DPI的網(wǎng)頁(yè)關(guān)聯(lián)方法
7．3．1 方法概述
7．3．2 基于HTTP頭信息的引用發(fā)現(xiàn)方法
7．3．3 請(qǐng)求網(wǎng)頁(yè)父引用提取方法
7．3．4 HTTP網(wǎng)頁(yè)解碼算法
7．3．5 基于網(wǎng)頁(yè)內(nèi)容的引用發(fā)現(xiàn)算法
7．3．6 父子引用關(guān)聯(lián)方法
7．4 DPI關(guān)聯(lián)方法實(shí)驗(yàn)分析
7．4．1 在線采集數(shù)據(jù)分析
7．4．2 被動(dòng)測(cè)量數(shù)據(jù)關(guān)聯(lián)分析
7．5 網(wǎng)頁(yè)關(guān)聯(lián)存在的問(wèn)題
7．5．1 頁(yè)面懸浮廣告
7．5．2 彈出窗口廣告
7．5．3 link href
7．5．4 廣告關(guān)聯(lián)問(wèn)題分析
7．6 算法改進(jìn)對(duì)比
7．6．1 測(cè)試一
7．6．2 測(cè)試二
7．6．3 測(cè)試三
7．7 基于DFI的網(wǎng)頁(yè)關(guān)聯(lián)方法
7．7．1 主流識(shí)別規(guī)則
7．7．2 輔流關(guān)聯(lián)方法
7．7．3 實(shí)驗(yàn)結(jié)果分析
7．8 小結(jié)
參考文獻(xiàn)
8 面向網(wǎng)絡(luò)流的分類方法
8．1 引言
8．1．1 測(cè)度定義
8．1．2 背景研究
8．1．3 研究意義
8．2 流特征選擇方法
8．2．1 特征選擇方法
8．2．2 混合特征選擇
8．2．3 實(shí)驗(yàn)結(jié)果分析
8．3 代價(jià)敏感分類方法
8．3．1 數(shù)據(jù)重采樣
8．3．2 代價(jià)敏感學(xué)習(xí)
8．3．3 基于Adacost的分類算法
8．3．4 實(shí)驗(yàn)結(jié)果分析
8．5 集成學(xué)習(xí)分類方法
8．5．1 集成學(xué)習(xí)基本概念
8．5．2 基于均值決策的集成學(xué)習(xí)方法
8．5．3 基于精度權(quán)重的集成學(xué)習(xí)方法
8．5．4 基于代價(jià)敏感的集成學(xué)習(xí)方法
8．5．5 實(shí)驗(yàn)結(jié)果分析
8．6 小結(jié)
參考文獻(xiàn)
9 基于覆蓋網(wǎng)監(jiān)測(cè)的故障推理
9．1 研究背景及意義
9．2 基本概念
9．2．1 社區(qū)的概念
9．2．2 覆蓋網(wǎng)
9．2．3 chord
9．3 數(shù)據(jù)處理
9．3．1 集中式處理的問(wèn)題
9．3．2 負(fù)載均衡
9．3．3 癥狀數(shù)據(jù)存取索引
9．3．4 癥狀數(shù)據(jù)預(yù)處理
9．4 故障推理算法
9．4．1 客戶端故障判斷算法
9．4．2 現(xiàn)有方法
9．4．3 故障推理算法
9．4．4 算法設(shè)計(jì)
9．5 系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)
9．5．1 系統(tǒng)設(shè)計(jì)
9．5．2 實(shí)驗(yàn)工具
9．5．3 實(shí)驗(yàn)環(huán)境
9．5．4 實(shí)驗(yàn)結(jié)果分析
9．6 小結(jié)
參考文獻(xiàn)
彩插