Please use this identifier to cite or link to this item: http://thuvienso.dut.udn.vn/handle/DUT/2592
Title: Phân loại luồng dữ liệu sử dụng mạng Nơ-ron
Other Titles: Traffic classification using Neural network
Authors: Trần, Văn Líc
Keywords: Luồng dữ liệu mạng;Học máy;Mạng nơ-ron;QoS;Tập dữ liệu mạng
Issue Date: 2019
Publisher: Trường Đại học Bách khoa - Đại học Đà Nẵng
Abstract: 
Với sự phát triển của hạ tầng mạng internet một cách nhanh chóng, trong những năm gần đây tầm quan trọng của việc phân loại các luồng dữ liệu mạng nhằm nâng cao về chất lượng cũng như bảo mật cho hệ thống mạng ngày càng được chú ý tới. Trong đó, các nghiên cứu về phương pháp để phân loại luồng dữ liệu mạng cũng đã tăng lên và ngày càng được cải thiện giúp cho hoạt động của hệ thống mạng có thể được dự đoán với độ chính xác cao và nhận diện hành vi người dùng tốt hơn. Trong đó phương pháp sử dụng các công cụ trong học máy cũng đã được nghiên cứu và phát triển trong lĩnh vực này và đã đạt được những
kết quả đáng chú ý. Trong nghiên cứu này, chúng tôi sử dụng mô hình học máy, cụ thể là sử dụng mạng nơ-ron để phát triển một mô hình có thể đạt được độ chính xác cao trong việc phân loại luồng dữ liệu mạng, các phương pháp xử lý dữ liệu cũng được áp dụng để tối ưu thời gian thực hiện và tài nguyên cho hệ thống. Ngoài ra, các phương pháp khác sử dụng để phân loại luồng dữ liệu mạng cũng được đưa vào cùng với với mô hình trong nghiên cứu của chúng tôi để có thể so sánh và đánh giá.
Description: 
Luận văn Thạc sĩ Kỹ thuật. Chuyên ngành: Kỹ thuật Điện tử. Mã số: 60.52.02.03; 80 trang
URI: http://thuvienso.dut.udn.vn/handle/DUT/2592
Appears in Collections:LV.Kỹ thuật điện tử

Files in This Item:
File Description SizeFormat Existing users please Login
TranVanLic.TT.pdfTóm tắt1.35 MBAdobe PDFThumbnail
TranVanLic.TV.pdfToàn văn3.41 MBAdobe PDFThumbnail
Show full item record

CORE Recommender

Page view(s)

1
checked on Nov 26, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.