全文总字数：1227字

1. 研究目的与意义及国内外研究现状

近年来随着互联网的发展，网络流量呈现出多样化、复杂化的特点，给网络服务质量和网络安全的保障带来了前所未有的挑战。网络流分类技术对网络管理工作具有重要的作用，研究准确、高效的流分类算法具有重大的现实意义。

数据流技术作为数据挖掘中刚刚兴起的技术，越来越多数据挖掘专家关注它，开发数据流模型的信息管理系统及其相应算法已成为许多数据挖掘专家所要攻克的难题。高效、可行的数据流算法，可以使得在给定的有限的运行空间上，对数据流进行一次或较少次数的线性扫描，就可以实现数据挖掘的功能。

研究透彻各类数据流分类算法的运行特点，及其实现过程，以分析比较不同分类算法在分类性能、分类准确率、分类速度上的优劣，以便通过网络流量呈现出多样化、复杂化的特点，给网络服务质量和网络安全提供切实的保障。

国内外研究现状

分类是数据挖掘中的重要分支之一，在很多领域都具有广泛的应用。现在已有许多成熟的分类方法，如决策树、贝叶斯网络、神经网络、支持向量机等，但是在处理数据流时，仍然面临着新的挑战。近年来研究者们提出了几种数据流上的分类方法：VFDT和CVFDT、VFDTc、集成分类方法Ensemble Classifiers等。集成多个分类器的方法通常可以提高分类准确率，特别是基分类器具有一定的差异性时，它往往比单分类器的准确率高。Wang等人提出的集成方法以c4．5、RIPPER、Naive Bayesian分类为基分类器，而采用其他类型的算法作为基分类器仍需进一步研究。而eEP具有良好的区分能力，并且基于eEP的分类算法可以与其他算法相媲美，同时基于eEP的分类方法已经成功地应用于DNA分析、文本自动分类等领域。

2. 研究的基本内容

①研究数据流分类算法的应用主体与背景需求

②基于机器学习的数据流分类算法

③传统的网络数据流分类算法的分析和比较

3. 实施方案、进度安排及预期效果

2015年11月~12月：资料收集，完成任务书和开题报告；

2016年1月~2月：完成传统的网络数据流分类算法的分析

2016年3月~5月：完成基于机器学习的数据流分类算法

4. 参考文献

[1]王涛.数据流挖掘分类方法关键技术研究[d].长沙:国防科学技术大学,2007.

[2]黄树成，曲亚辉.数据流分类技术研究综述[j].计算机应用研究 ,2009.

[3]tanpang—ning,steinbachm,kumarv.数据挖掘导论[m].范明,范宏建,译.北京:人民邮电出版社,2006.