首页 > 文章中心 > 网络应用方向

网络应用方向

前言:想要写出一篇令人眼前一亮的文章吗?我们特意为您整理了5篇网络应用方向范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。

网络应用方向

网络应用方向范文第1篇

太遥远的以前,刚做互联网的那一代都发了,比如最开始搜狐的门户,雅虎的黄页,然后是搜索引擎的出现。人们在互联网上的行为也在变化,开始只是获取一下信息,然后就开始社交开始购物。

以前有了搜索引擎以后,就开始了一个拉动式的推广――SEO,用户先有了解信息的需求,然后再搜索,让目标到达更精准。正因为如此,电子商务就出现了,我们来看看垂直化电商和综合型电商。

首先,之前用户在搜索引擎上搜索想要的产品,然后看到合适的电商,就会进行购买,所以那个时候垂直化电商相当于专卖店,会比综合型的值得信赖。

但是随着时间发展,综合型电商,比如淘宝,通过免费策略,把平台做大,这个时候拥有一定的粘性,这个时候用户行为也在发生变化。

网络应用方向范文第2篇

【关键词】气象;计算机;应用;

前言:电子计算机作为人类20世纪的伟大发明,对全球的政治、经济以及人们的工作、生活都产生巨大影响,随着知识经济网络社会的形成,计算机技术日渐成为人类竞争与生存的必备技能,各行各业的人都迫切地要求学习计算机知识掌握计算机的使用方法。气象应用是现代气象行业的基础系统和支撑系统。他主要包括:通信网络、数据存储管理与共享服务,高性能计算机交流等,信息应用作为气象信息的传输,存储管理、计算机处理,资源共享的基础设施,其发生是气象现代化水平的重要标志之一,并直接影响到气象行业部门和广大用户能否及时快速的获取和发送国内外气象信息,关系到气象能否为各级政府,国民经济国防建设等提供优质气象服务,气象应用的发展经受到其他气象行业交流发展的驱动,又制约着其他系统的快速发展。以下就气象行业的现状与特征进行分析,研究计算机技术在气象行业中的应用:

1 计算机软件业务应用中计算机存在的隐患和造成的后果

1.1 雷电

面对自然天气的影响,雷电袭击通讯时有发生,当雷电突然袭击地面时,强大的电流能击穿土壤的地表,再击穿电缆的外皮,最后直接入侵计算机气象系统,导致系统的瘫痪,甚至雷电通过计算机的连线设备入侵到程序系统造成更加严重的如火灾、电脑崩溃等危害。

1.2 病毒

气象通讯业务的进行常用的系统是windows,而windows系统本身也具有开发性,所以自身存在有各种漏洞,很容易成为病毒入侵的对象。这些病毒是人为编制的一组指令或程序代码,通过某种途径潜伏在计算机程序,当达到某种条件后会被激活运行,对计算机资源进行破坏,一般的病毒具有顽固并且疯狂的繁殖传染性,给社会造成很大损失 。

1.3 黑客

黑客给人的理解是个中意词,是指一些电脑水平高超的专家,利用自己掌握的高科技技术维护网络的和平安全,因为他们可以利用某些手段入侵到某些限制级的网站或对一些公众网站进行干扰攻击等。不安全的因素给气象业务信息的存储和传输带来了隐患,黑客软件的下载,木马传递偷盗都对数据资料造成破坏,部分黑客会篡改计算机数据,导致气象系统崩溃。

1.4 计算机自身系统

计算机系统由硬件和软件两部分组成,硬件主要是高速运算处理的部件,软件是支持运行的程序。操作系统的成熟使一种机型系列需要选择不同软件,硬件配置,满足不同行业用户的需求。相对于气象行业,随着气象产品的不断更新换代,如notes平台的升级处理都需要成熟的硬件和软件配套设配,,所以低端配置的计算机会因为承载不了复杂的大型数据系统而黑屏或部件毁坏。

2、气象行业的现状与特征

我国社会发展和科技进步,人民生活水平有了提高,对气象行业也有了更高的要求。为了满足人民生产和生活的需要,重视气象行业的发展变得十分重要。气象行业有这些特征:

2.1气象行业容量大种类多。随着社会科技的进步气象行业对气象资料的了解和掌握越来越详细和越来越丰富,这些关于气象的资料大幅度增长。同时气象行业影响着社会的各行各业,社会对气象行业要求也是十分高,这就要求气象行业必须利用一切可以利用的资料研究和掌控气象信息,更好地服务大众。

2.2气象行业要求时间及时性。气象行业跟新闻一样都具有时效性,气象行业预报不及时就会严重影响社会生产和人民生活,造成难以预料的经济损失。比如台风、洪涝、干旱这些自然灾害不能及时通知给人民大众,而灾害又不是能以人的意志为转移的,因此就不能及时做好防御措施。只有及时有效地反映气象信息才能保证社会的稳定发展。

2.3气象行业的可靠、准确。气象现象是来自大自然的强大力量,我们在气象灾害面前都只能做最好地防御,这种防御是需要准确可靠的气象信息做基础的。只有及时获得准确的资料,才能有精确的气象信息,这就要求气象行业的探测设备与通信系统的完善。

2.4气象行业的开放性。气象行业是服务大众的,气象信息是给社会大众的,因此需要一个强大的开放性的系统作支撑,将气象行业快速有效地运作下去。

3、计算机网络技术在气象方面的应用

随着计算机技术的发展,计算机网络也逐渐应用到气象方面中去,社会上逐渐出现了“气象网络”这一学术名词。气象网络,简而言之,指的是将计算机网络技术应用于气象领域,使气象信息网络化,信息化,方便人们的使用。目前,气象网络按照不同的安全等级划分成三种网络结构形式:(1)内部局域网(含机要内网),此网要求安全等级极高,各个部门的计算机均在此网上;(2)通过数字专线与相关政府职能机构构成的政务专网,通过不同授权等级共享各级数据资源;(3)公众互联网,通过电信宽带接入气象网站,供广大用户浏览。现代社会气象信息的大量应用,越来越彰显其重要性,然而与此同时,网络的应用也给气象信息安全带来了大量的潜在隐患,因此,加强气象网络的安全性就非常有必要。

3.1要挑选适合气象业务的计算机软件

如今计算机软件技术发展迅速,各类软件技术层出不穷,要选用适合气象业务的计算机软件设备。例如,GHOST软件,该软件是美国软件公司SYMANTEC推出的能使被破坏的系统恢复的硬盘复制工具,GHOST支持多种常见的或是不常见的文件系统,另外在存储文件时压缩文件的压缩率高,能够节约存储的空间。气象业务要处理的数据种类繁多,数量极大,既需要一个方便快捷的服务平台,也需要一个容量巨大的数据库。因此这一软件符合气象选用软件的标准。

3.2要充分利用计算机技术软件的功效

将科学技术应用到生产生活中,就应该让其把功效发挥到极限。比如:一些预报员日常做的劳动,手工操作的工作,可以转化为计算机网络技术来处理,这种自动化的处理既节约劳动力,也节省时间并且精确度更高。再比如,一些数据资料的统计和整合,目的是方便查阅和调用,同样利用计算机技术软件处理起来更方便。另外还有信息的,这点毫无置疑网络的信息量速度都是最迅速的。

结语

计算机技术应用于气象行业提高了气象行业部门的工作效率,使其做到及时快速地传递和接收气象信息,更好地满足社会生产生活的需要,同时,也为气象行业实现现代化建设提供了技术支撑。

参考文献

网络应用方向范文第3篇

【关键词】脂肪肝 B超图像 自组织特征映射神经网络 特征提取

脂肪肝是脂肪(主要是甘油三脂)在肝脏中过度沉积引起的病变,目前已成为国人的常见病、多发病,是仅次于病毒性肝炎的第二大肝病,是公认隐蔽性肝硬化的常见原因,严重威胁国人的健康。慢性脂肪肝如不及时治疗,可发展为肝纤维化和肝硬化,造成肝脏的永久损害,而早期或轻度脂肪肝经过治疗,可以逆转正常。因此,通过图像处理技术自动识别脂肪肝,加强脂肪肝的早期诊断、发现,已成为当代医学辅助诊断领域的重要研究方向。

临床上诊断脂肪肝最可靠的办法是活检(超声引导下肝穿刺活检组织细胞),但会给病人带来很大的痛苦。随着超声医学的蓬勃发展,目前临床上常采用B超成像技术诊断脂肪肝。但B超成像技术诊断脂肪肝在很大程度上是凭医生肉眼进行判断,这种经验的、感性的认识常导致脂肪肝的误诊,以及对局灶性脂肪肝与肝血管瘤和原发性肝癌的混淆等。因此,需要研究一种脂肪肝B超图像辅助诊断系统,提高诊效率和准确性。本文利用自组织特征映射神经网络(Self-Organizing

Feature Map,即SOFM)的聚类特性对脂肪肝B超图像进行识别,实现正常肝与脂肪肝的划分,并对脂肪肝进行轻、中、重度分类。

1 特征提取

由于肝脏微结构对超声波的反射和散射作用使得肝脏B超图像呈现出纹理特性,脂肪肝患者的肝细胞中由于脂肪沉积,肝脏微结构发生了明显的变化,从而正常肝与脂肪肝B超图像之间的纹理特征也出现了较大的差别,这就为利用纹理特征来区分正常肝与脂肪肝提供了可能。从肝脏B超声像图上看,正常肝脏的B超表现为:肝脏表面光滑、边缘呈锐角、内部回声为细光点、分布均匀、肝内管道显示清晰;病变肝脏的B超表现为:肝脏肿大、肝实质回声增强,大于肾脏和脾脏的回声强度,而且轻、中、重度又各有不同。因此,特征提取是一个重要环节,对神经网络分类识别的正确性有直接影响。

一般来说,对B超图像纹理特征的描述方法主要有空间灰度矩阵、傅立叶能量谱、灰度差分统计、Laws’纹理能量测量和小波变换分形特征等方法,通过实验对比分析,本文将脂肪肝B超图像的纹理特征作为分析对象,采用对肝脏B超图像描述能力较好的灰度共生矩阵进行进行特征值的提取与分析,分别取,四个不同方向来描述同一肝脏图像,计算其角二阶矩、熵、逆差矩。经实验比较发现,这三个统计量对正常肝和脂肪肝的描述差别明显,而且相对稳定,因此,将这三个统计量选作特征值作为神经网络分类器的输入。

2 基于SOFM网络的脂肪肝B超图像分类识别

SOFM网络是模仿动物和人大脑皮层中具有自组织信号处理的特征,它可以根据样本自身的规律,自动提取样本内在的重要统计特征,是一个由全连接的神经元阵列组成的无教师自组织、自学习网络。SOFM神经网络算法更接近于人脑的认知规律,可以实现实时学习,网络具有自稳定性,不需要外界评价函数,能够识别向量空间最有意义的特征,抗噪能力强。它所形成的聚类中心能够映射到一个平面或曲面上而保持拓朴结构不变,可以对目标的固有特征作出客观的划分。

2.1 输入与竞争层的设计

根据本文设计的需要,我们从项目合作医院采集了48张肝脏图片,最后选定28张典型的图片作为我们的训练样本:其中正常肝、轻、中、重度脂肪肝各7张,余下的20张不同类别的图片作为测试样本。由于每幅图像大小和灰度级不一定完全相同,这样不宜于设计各层节点数目,所以为了提高网络的收敛速度,我们对给定的B超脂肪肝图像进行预处理。在医生的指导下,从中划分出感兴趣的区域(ROI),选取了64×200,灰度级为256的图像,对这部分区域进行特征提取,计算出每一幅图像的灰度共生矩阵,并提取它们的二次统计量构成特征矢量,得到了角二阶、熵以及反差分矩12个反映其图像纹理特征的特征值,也即是我们可以将一幅脂肪肝图像用一个12维的向量表征。这12维的向量特征值便作为了神经网络的输入。神经网络一般根据输入特征量的多少确定网络输入层神经元个数,因此,本次设计的输入层神经元个数为12。对于竞争层(输出层),我们设定神经元个数为4,即分别代表正常和轻度、中度、重度四种分类结果。

2.2 SOFM网络的训练

SOFM网络是模仿动物和人大脑皮层中具有自组织信号处理的特征,它是一种无监督的学习方式,它可以根据样本自身的规律,自动提取样本内在的重要统计特征。SOFM神经网络算法更接近于人脑的认知规律,它现在已经成为继BP网络模型之后得到研究最多、应用最为广泛的一种网络模型,在实际中的应用包括:过程和系统分析、统计模式识别、通信等。

T.Kohonen提出的自组织特征映射神经网络,它建立在一维或者二维的神经元网格上,其算法所具有的竞争、合作和更新的学习规则可以捕获包含在输入(数据)空间中感兴趣的特征,使得一个复杂系统从开始的完全混乱调整到最终整体有序。在本次SOFM网络的设计中,我们设定输入神经元数为12,输出神经元数为4,图1为本设计的SOFM网络拓扑结构。

通过多次仿真试验,我们确定SOFM网络训练参数如下:

初始权矩阵:每个矩阵元素都取[0,1]区间上的随机数;

net. trainParam. Show=50;

net. trainParam.Lr=0.9;

net. trainParam. epochs =1000;

net. trainParam. Goal=1e-3。

针对SOFM网络,我们的矛盾主要集中在竞争层神经元个数的选取上,通过反复的分析比较,我们最后选取了竞争层神经元个数为4的二维网络,经过反复调试,最终达到了预期的收敛和预测效果。图2为SOFM网络初始分布图,图3为SOFM网络快速收敛训练图。

实验结果表明,经SOFM网络训练测试,最终将样本分为了4类。SOFM网络实质上实现了一个从输入到输出的映射功能,而数学理论已证明它具有实现任何复杂非线性映射的功能,经统计分析可知,针对我们所选取的20张测试图片,SOFM网络对正常肝的识别率可达85.71%,对脂肪肝的识别率可达88.89%,其中,轻度脂肪肝的识别率可达71.42%,中度脂肪肝的识别率可达79.82%,重度脂肪肝的识别率可达85.71%。从结果我们不难看出,SOFM网络对重度脂肪肝的识别率都较高,这是因为重度脂肪肝的特征明显。从应用角度来看,SOFM网络训练耗时在25秒左右,实现了对脂肪肝的识别目的,可以实现远程、在线医疗,具有一定的推广、概括能力。

3 结论

本文将SOFM网络引入脂肪肝图像识别,以B超平面图像为研究对象,利用纹理分析方法提取脂肪肝B超图像特征,将提取的特征值输入SOFM神经网络图像识别系统,最终实现脂肪肝B超图像的分类,建立了计算机B超脂肪肝辅助诊断系统。实验结果表明这一研究可以提高脂肪肝确诊效率和准确性,进而减轻医生的工作量,也可以为经验缺乏的医生提供辅助诊断帮助,为医学诊断提供了方便;同时也推动了我国远程医疗事业,一旦系统成功,这对于我国部分医疗不便、经验医师缺乏的边远山区有很强的实用性。

参考文献

[1]张健,姚洪森,贺南方等.脂肪肝的诊断治疗进展[J].河北医药,2003(07).

[2]汪小毅.基于纹理分析的脂肪肝B超图像识别[J].航天医学与医学工程,2004(04).

[3]李丙春,耿国华,周明全.基于自组织特征映射聚类算法的研究与应用[J].新疆大学学报:(自然科学版),2003,20(04).

[4] 程勖、杨毅恒、陈薇伶.自组织特征映射网络的分析与应用[J].长春师范学院学报(自然科学版),2005,24(4).

作者简介

徐立(1983-),女,讲师,硕士。研究方向为医学图像处理。

网络应用方向范文第4篇

摘要:本文以应用型人才培养为出发点,对计算机专业网络方向实践教学进行了研究,然后探讨了如何优化实践课程教学体系。

关键词:应用型人才;计算机专业网络方向;实践教学

中图分类号:G642

文献标识码:B

1正确定位计算机专业网络方向实践教学培养的能力

作为应用型本科院校,应将培养学生的实践能力放在首位。根据用人单位的反馈,计算机专业网络方向的就业可以分为三个层次。一是小型企业或单位,需要的是能够建设网站、编写网页、组建简单局域网、能配置一般的服务、能够进行网络维护的人员。二是中型企业或单位,这些单位拥有多个路由器和交换机,它们需要能够对交换机进行配置和管理,对路由器进行配置和管理,能够维护网络安全,配置各种网络服务,还能够优化网络性能,具有网络规划能力的人员。三是大型企业,除了需要具备上述能力之外,还需要具备网络编程,网络入侵检测,网络存储,无线网络,网络冗余设计等能力的人员。

根据社会需求以及计算机专业培养目标,我们把计算机专业网络方向的实践能力抽象归纳为三点:建网、组网、管网。建网和组网是基本能力,管网是进阶能力。建网能力主要指培养学生具有搭建网站、熟练使用ASP或JSP技术编写网页、能够运用Photoshop、Flash网页美工技术的能力。组网能力主要指通过各种网络设备如:交换机、路由器等,能够组成一个物理网络,同时根据需求进行合理科学实用的配置。管网能力主要是指能够对网络进行管理和维护,熟悉网络安全架构,并且能够保障网络的安全。

2构建层次化的计算机专业网络方向实践教学体系

计算机专业方向的选择是在三年级进行的。我院规划了学生从一年级到四年级的能力培养路线图,这种模式的好处在于可以给学生指明一条学习的路线,如图1。

一年级通过计算机导论、C语言等课程让学生入门,对专业学习了解;二年级通过专业基础课程、兴趣小组、素质拓展平台以及各种大赛来培养学生专业的兴趣,挖掘学生的潜能;三年级学生根据自己的喜好选择方向,当然这些方向并非完全独立,某一方向的学生完全可以选择另外一个方向的课程去学习;四年级进行毕业实习、毕业设计。

图1 学习路线图

网络方向在一年级和二年级和其他方向是共享一个基础教学平台的。我们在制定网络方向课程体系时,重点是要突出上面所定位的三大能力,课程体系制定如表1。

其中基础课程为“计算机网络”和“网络操作系统”。建网阶段以网站开发设计为主,课程主线是“WEB技术与设计”“多媒体技术”“软件工程概论”“XML程序设计”“J2EE技术应用”“手机程序开发”;在组网阶段以网络设备的应用能力与网络规划为主,课程主线是“计算机网络工程”“网络认证考试培训”;管网以网络信息安全与管理为主,课程主线是“网络与信息安全”“计算机网络管理”“网络仿真技术”课程。

实践能力培养分阶段进行,按照如下模式,如图2。

图2 实践能力培养阶段图

具体计算机专业网络方向实践教学是按照如下层次进行,如图3。

图3 网络方向实践教学体系

3优化实践课程教学体系

实验课程内容的改革与更新,尤其是要紧密结合社会经济发展的需要,将现有的实验教学内容进行筛选、整合,对不符合现代科学发展的实验项目进行删除或更新,做到少而精,整体优化。减少验证性、演示性实验,精心安排综合性、设计性实验,注重融入本学科发展的最新科技知识,渗透相关学科的理论和技能,使综合性、设计性实验的课程占有相当的比例。要改变实验教学依附从属于理论课,实验教学内容各自独立、零散、重复的现状,建立系统优化的、相对独立的实验课程体系。

根据“建网、组网、管网”能力培养路线,我们整合相关课程,删减重复内容,更新实验内容,优化了实验课程教学体系,如图4。

实验课程教学体系应该以模块化的形式确定下来,这样每年根据已有实验的效果,以及将要更新那些实验,都便于灵活调整。由于网络类课程属于比较“新”的课程,具体实验怎么开,开什么,各个院校都处于摸索阶段。而且由于各个院校的实验环境条件不一样,造成很大的差异度,不过随着经验的不断积累,与各大网络厂商合作,都会探索出一条适合自己院校情况的体系。

图4 网络方向实验课程核心体系

参考文献

[1] 王万森. 计算机专业还有几分天下[J]. 计算机教育,2006,(2).

网络应用方向范文第5篇

【关键词】网络 协议识别 属性选择

随着计算机技术的普及、因特网与通信技术的发展,人们可以深切感受到,互联网与人类的生活、工作的结合日益紧密,正因为如此,网络便是一个极其复杂的系统,网络用户数量的不断增加也使得这个复杂的系统出现的几率变大,网络管理伴随着这种情况变得越来越难,必须要有完善的管理机制才能保障网络的正常运行。同时,很多网络协议也伴随着出现,这些网络协议带来的新特点,以及多样化的形式使得网络也越来越难以管理。

1 研究背景与意义

随着计算机网络的普及与发展,一方面对于如何保证网络的安全,组织网络高效运行提出了迫切要求;另一方面,计算机网络日益庞大,使得管理变得越来越复杂,诸如网络用户不断增加、网络覆盖范围不断增大、网络通信量剧增,网络共享数据了不断增加,网络应用软件类型不断增加等,而这些庞杂而巨大的系统通过人工时无法管理的,因此网络管理成为了最佳选择,它具有高的效率和生产过程。随之而来的各种网络应用协议应运而生。

网络应用协议的出现,使得网络协议的识别显得尤为重要,具体是指根据网络流量所表现出的不同特征,标识出该流量所使用的应用层协议,包括使用的应用层协议和具体产生流量的应用程序两个层面。其中,识别具体的应用程序是最精细的识别结果,也是最复杂的识别结果。

在越来越复杂的互联网中,对于网络应用协议的识别尤为重要,因为它在监督管理和新一代网络安全中起着不可替代的作用,这种识别可以广泛地应用于网络领域中,如服务质量控制、合法监听、入侵检测等,从而对网络管理起着重要作用。

2 网络应用协议识别的主要方法

近些年来,国内外学者在网络应用协议识别方面做了大量的研究工作,如用聚类方法处理协议识别问题,应用基于概念模型的朴素贝叶斯(NaiveBayes)方法,采用高斯滤波方法等,但是,持久性和广泛性却受到了很大的限制,因为这些技术更多的只是在当下或短期时间内起到一定作用,对于长期的、未来的网络协议识别的作用并不是建设性的。针对这一问题,很多科学家从其他角度提出了一些可取的意见和方法。

2.1 网络流特征提取

在实际的复杂的网络环境中,由于各种问题,如网络软件数量增加类型不同,互联网用户迅猛增长等,由此产生数量巨大的待分类的网络流,它们可达到数十万或数百万条,由此就产生了一个一个问题,即统计网络流的工作量巨大,也使得计算机负载过重,由于众多网络流相似或者相同,从而使得统计效率低下,使得网络管理无法满足现有的需要。网络流由一系列流量属性构成,内容包括数据包间隔、网络流持续时间、和数据包大小等,如此繁复复杂的网络流给网络应用协议识别带来的巨大的困难,因此,网络特征流的统计效率成为关键,如何提高统计效率,目前很多科学家提出了网络流特征提取这一方法。不过,这一方法在实践中仍然处于初级阶段,因此,在将来的相关研究中,还有待于深化。

2.2 基于负载签名的应用协议识别方法

这种相对来说较为先进的方法是目前网络协议识别方法中较为先进的方法,它能有效识别那些使用动态端口的网络应用,因而很大程度上提高了协议识别的灵活性和准确性。该方法的原理是通过扫描数据包有效载荷中的应用层协议签名,识别该业务流所承载的应用层协议,通过这样的方法,即使是那些利用伪装端口进行通信的用户所携带的签名也无法被隐藏,所以,曾经用于入侵检测的深度包的相关检测技术也开始用于协议识别的相关研究中,目前,该方法得到了很多人的认可,也开发了很多与此相关的软件,如CAIDA 组织开发的 NetTraMet、开源软件L7filter等。但是,该方法还是有不足的地方,比如,对加密信息和专有协议的处理能力差,偶尔可能会涉及到个人或企业机关的隐私而触犯法律。

2.3 基于机器学习的应用协议识别方法

这一方法在目前得到广泛关注,它是在学习以流量特征为个性的网络数据集的内部结构基础上,逐渐将网络数据集中的每个流识别到相对的应用协议中,这就是该方法的识别原理。在应用上,这种方法规避了上述方法的缺陷,因不需要深度解析相关内容,也不依赖于固定的协议端口,所以,不会涉及到隐私法律的问题,这是基于机器学习的应用协议识别方法的进步。另外,在灵活性和识别效率上有所提高,因为它减少了网络数据的处理量,并且,对于诸如网络应用协议的流量模型和流量特征相关问题也可以用该方法,这样的研究模式和结果势必具有重要的理论意义。基于机器学习识别方法结构较为复杂,需要分析的流量特征较多,相对的,数据约简技术也被引进该技术中,提高了识别数据的效率。

但是,该方法也具有某些不足,如当在吞吐量较大的高速链接路上,这种方法便很难满足处理的要求,因为它无法缓存较多的数据包。

3 总结与展望

近年来,网络安全领域里的研究热点中毫无疑问有网络应用协议的有效识别的存在,因此,如果要提高网络管理效率,必须要解决这一问题。虽然,目前已经学界已经提出了比较有建树性的相关方法,诸如文中提到的网络流特征提取、基于机器学习的应用协议识别方法、基于负载签名的应用协议识别方法等,都能在一定程度上解决网络应用协议识别所面临的问题,基于这样的研究现状,在未来的研究中,研究者们的研究方向将有所选择,比如如何在保证识别准确率的同时来减小时间消耗。

参考文献

[1]马婧.网络流量特征提取与流量识别研宄[D].北京:北京邮电大学,2012.

[2]杨杰,姚莉秀.数据挖掘技术及其应用[M].上海:上海交通大学出版社,2011.

[3]许孟晋.枯于机器学习的M络流量分类系统研与实现[D].长沙:国防科学技术大学,2010.

[4]于玲,吴铁东.集成学习:算法综述[J].模式识别与人工智能,2004.

作者简介

曹剑文(1964-),男。湖南省长沙市人。大学本科学历。现为武汉纺织大学数学与计算机学院工程师。主要研究方向为计算机及网络应用。