了得網研究生_互聯網大數據挖掘與分類

商品搜索

类别：

关键字：

商品分类

互聯網大數據挖掘與分類
該商品所屬分類：研究生 -> 工學
【市場價】	441-640元
【優惠價】	276-400元
【作者】	程光，周愛平，吳樺　著
【所屬類別】	圖書教材研究生/本科/專科教材工學
【出版社】	東南大學出版社
【ISBN】	9787564161965
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

開本：16開

紙張：膠版紙

包裝：平裝

是否套裝：否

國際標準書號ISBN：9787564161965

作者：程光，周愛平，吳樺著

出版社：東南大學出版社

出版時間：2015年12月

內容簡介

近年來，互聯網的快速發展、新應用的不斷出現、網絡帶寬的不斷提高和網絡數據流的急劇增加給互聯網數據分析研究帶來了技術挑戰，互聯網數據挖掘和分類對於網絡計費、流量工程、網絡安全等領域具有廣泛應用價值。程光、周愛平、吳樺*的《互聯網大數據挖掘與分類》主要針對互聯網大數據挖掘與分類問題，繫統介紹了作者在互聯網數據分析處理方面的理論及實踐的研究成果，主要介紹兩個互聯網大數據的挖掘和分類平臺：基於hadoop集群網絡被動測量數據分析平臺和基於覆蓋網的主動測量網絡故障診斷平臺，同時本書分別探討了基於這兩個平臺的超點抽樣檢測方法、並行長持續時間流檢測方法、面向 MapReduce的大流識別方法、基於信息熵靈敏度的異常檢測方法、HTTP流量的頁面關聯、網絡流的分類方法等六個方面的互聯網大數據挖掘和分類問題。本書的內容對深入研究互聯網數據測量和分析方法具有重要的借鋻意義，為網絡安全和網絡管理，特別是校園網的管理提供了參考。本書可供計算機科學、信息科學、網絡工程及流量工程等學科的科研人員、大學教師和相關專業的研究生和本科生，以及從事計算機網絡管理領域、網絡工程及網絡安全保護的技術人員閱讀參考。

作者簡介

程光，男，1973年2月生，安徽黃山人，工學博士，東南大學計算機科學與工程學院教授、博導，東南大學計算機網絡和信息集成*重點實驗室主任，2005—2006年期間在美國佐治亞理工大學從事博士後研究，2012年在美國亞利桑那大學從事高級訪問學者研究工作。目前研究興趣在網絡安全、網絡測量、網絡行為學、網絡管理和科學可視化等。先後主持參加國家973項目、國家科技支撐項目、國家自然基金、*科技重點項目、江蘇省自然基金等20多項縱向課題研究。發表學術論文80餘篇，出版專*及教材共5部，申請和授權專利20餘項。

1 緒論
1.1 背景知識
1.1.1 研究背景
1.1.2 研究意義
1.2 網絡測量技術
1.2.1 網絡測量常見對像
1.2.2 網絡測量分析的問題
1.2.3 單點測量常用方法
1.2.4 單點網絡測量常用工具
1.2.5 分布式網絡測量技術
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1 緒論

1.1 背景知識

    1.1.1 研究背景

    1.1.2 研究意義

1.2 網絡測量技術

    1.2.1 網絡測量常見對像

    1.2.2 網絡測量分析的問題

    1.2.3 單點測量常用方法

    1.2.4 單點網絡測量常用工具

    1.2.5 分布式網絡測量技術

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

1.4 C4.5算法

l.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 剪枝實例

    1.4.5 十折交叉驗證方法

    1.4.6 測度子集選擇方法

1.5 數據挖掘方法

    1.5.1 聚類方法

    1.5.2 k-近鄰算法

1.6 流數據結構

    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 流量測量的評價指標

    1.7.1 誤報率和漏報率

    1.7.2 相對誤差

    1.7.3 相對差

    1.7.4 熵

1.8 小結

參考文獻

2 互聯網大數據分析繫統

2.1 繫統設計

    2.1.1 總體設計

    2.1.2 數據收集層設計

    2.1.3 並行算法層設計

    2.1.4 查詢層設計

2.2 測度定義

    2.2.1 輸入測度

    2.2.2 用戶行為測度

    2.2.3 輸出測度

2.3 基於MapReduce測度的計算方法

    2.3.1 單點TCP測度

    2.3.2 並行TCP測度

    2.3.3 流聚合並行方法

    2.3.4 用戶行為測度

    2.3.5 並行算法優化

2.4 繫統實現

    2.4.1 存儲模塊實現

    2.4.2 測度計算模塊實現

    2.4.3 用戶行為分析模塊實現

    2.4.4 查詢模塊實現

2.5 實驗分析

    2.5.1 實驗環境

    2.5.2 實驗平臺布署

    2.5.3 實驗數據集

    2.5.4 實驗結果分析

    2.5.5 可擴展性分析

    2.5.6 性能瓶頸分析

2.6 小結

參考文獻

3 超點數據流檢測方法

3.1 引言

3.2 並行數據流方法

    3.2.1 方法描述

    3.2.2 相關定義

    3.2.3 數據結構

    3.2.4 更新歸並過程

    3.2.5 鏈接度估計

    3.2.6 超點檢測

3.3 性能分析

    3.3.1 存儲開銷

    3.3.2 準確性

    3.3.3 計算性能

3.4 實驗分析

    3.4.1 實驗數據

    3.4.2 評價標準

    3.4.3 鏈接度估計

    3.4.4 參數評估

    3.4.5 算法對比

3.5 小結

參考文獻

4 長持續時間流檢測方法

4.1 引言

4.2 問題定義

4.3 數據結構

4.4 基於共享數據結構的檢測方法

    4.4.1 方法描述

    4.4.2 方法流程

    4.4.3 實驗結果分析

4.5 基於獨立數據結構的檢測方法

    4.5.1 方法描述

    4.5.2 方法流程

    4.5.3 性能分析

    4.5.4 實驗結果分析

4.6 小結

參考文獻

5 大流的自適應抽樣識別方法

5.1 引言

5.2 大流識別方法

    5.2.1 問題定義

    5.2.2 方法描述

    5.2.3 自適應抽樣

    5.2.4 數據劃分

    5.2.5 大流識別

5.3 實驗結果分析

    5.3.1 實驗環境

    5.3.2 估計精度

    5.3.3 負載均衡

    5.3.4 可擴展性

    5.3.5 數據更新

    5.3.6 Reducer數量

5.4 小結

參考文獻

6 流量異常的信息熵檢測方法

6.1 引言

    6.1.1 研究背景

    6.1.2 研究意義

    6.1.3 相關研究

    6.1.4 本章內容

6.2 信息熵靈敏度分析

    6.2.1 理論分析

    6.2.2 實驗分析

    6.2.3 分析結論

6.3 流量異常檢測方法

    6.3.1 測度定義

    6.3.2 基於Kmeans的閾值選擇

    6.3.3 正常流量BID學習

    6.3.4 驗證方案

6.4 實驗結果分析

    6.4.1 實驗環境

    6.4.2 攻擊流量獲取

    6.4.3 攻擊檢測能力評估

    6.4.4 檢測準確性

6.5 小結

參考文獻

7 網頁關聯分析方法

7.1 概述

    7.1.1 研究背景

    7.1.2 研究意義

    7.1.3 相關研究

7.2 網頁關聯概念

    7.2.1 定義

    7.2.2 問題描述

    7.2.3 輸入輸出描述

    7.2.4 分類

    7.2.5 網頁引用方法

7.3 基於DPI的網頁關聯方法

    7.3.1 方法概述

    7.3.2 基於HTTP頭信息的引用發現方法

    7.3.3 請求網頁父引用提取方法

    7.3.4 HTTP網頁解碼算法

    7.3.5 基於網頁內容的引用發現算法

    7.3.6 父子引用關聯方法

7.4   DPI關聯方法實驗分析

    7.4.1 在線采集數據分析

    7.4.2 被動測量數據關聯分析

7.5 網頁關聯存在的問題

    7.5.1 頁面懸浮廣告

    7.5.2 彈出窗口廣告

    7.5.3 link href

    7.5.4 廣告關聯問題分析

7.6 算法改進對比

    7.6.1 測試一

    7.6.2 測試二

    7.6.3 測試三

7.7 基於DFI的網頁關聯方法

    7.7.1 主流識別規則

    7.7.2 輔流關聯方法

    7.7.3 實驗結果分析

7.8 小結

參考文獻

8 面向網絡流的分類方法

8.1 引言

    8.1.1 測度定義

    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 實驗結果分析

8.3 代價敏感分類方法

    8.3.1 數據重采樣

    8.3.2 代價敏感學習

    8.3.3 基於Adacost的分類算法

    8.3.4 實驗結果分析

8.5 集成學習分類方法

    8.5.1 集成學習基本概念

    8.5.2 基於均值決策的集成學習方法

    8.5.3 基於精度權重的集成學習方法

    8.5.4 基於代價敏感的集成學習方法

    8.5.5 實驗結果分析

8.6 小結

參考文獻

9 基於覆蓋網監測的故障推理

9.1 研究背景及意義

9.2 基本概念

    9.2.1 社區的概念

    9.2.2 覆蓋網

    9.2.3 chord

9.3 數據處理

    9.3.1 集中式處理的問題

    9.3.2 負載均衡

    9.3.3 癥狀數據存取索引

    9.3.4 癥狀數據預處理

9.4 故障推理算法

    9.4.1 客戶端故障判斷算法

    9.4.2 現有方法

    9.4.3 故障推理算法

    9.4.4 算法設計

9.5 繫統設計實現

    9.5.1 繫統設計

    9.5.2 實驗工具

    9.5.3 實驗環境

    9.5.4 實驗結果分析

9.6 小結

參考文獻

彩插

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】