丢包区分一直是TCP拥塞控制的研究热点和棘手问题。由于LEO卫星网络的高动态性使得数据包丢失概率急剧增加。若无法准确判别数据包丢失类型,采用不恰当的窗口调整策略,将严重影响数据包传输速率,无法高效利用网络带宽。此外,相比于地面网络,这种高动态性导致的数据流概念漂移问题更加严重,极大的影响丢包区分模型的精度。本文基于TCP拥塞控制机制,通过构建概念漂移检测模型解决样本分布变化对丢包区分模型的影响,提出一个适用于LEO卫星网络的丢包区分机制。本文的工作概括如下:1)本文针对于数据样本中存在的概念漂移问题,构建一个概念向量模型,将数据样本中单独的特征映射成联合的概念向量。从向量的层面出发,根据概念向量间样本特征的相关性将向量聚类分簇,相应的训练概念漂移检测模型。为了更加灵敏的检测到概念漂移发生的时间点,本文提出双阈值概念漂移判决准则,基于样本分布变化的不同程度判决漂移状态。2)相比与概念漂移,样本数量失衡同样影响分类模型的精度。在数据包丢失类型判断中,主要分为拥塞丢包和无线错误丢包两种情况。现实问题中,拥塞丢包发生的概率远大于无线错误丢包。故本文针对这一问题提出了一个数据去失衡算法。通过为失衡样本设置惩罚因子,基于多数样本下采样消除样本间的失衡问题,并构建样本去失衡模型。3)解决了数据中的概念漂移与失衡问题后,本文构建用于丢包类型区分的集成分类模型。通过在线和离线学习,训练包含多个基分类器和一个朴素贝叶斯分类器的集成分类器。并提出了一个基分类器权重自适应更新算法,发生概念漂移则训练新的分类器。最后设计ACK头部ELN和CE标志位完成丢包区分结果的反馈机制,完成端到端丢包区分和拥塞控制。在ns-2实验仿真中,与单模型的机器学习分类算法比较,本文提出的分类模型拥有更优的AUC,可达0.9885;与传统的TCP协议相比较,丢包分类精度超过了 98%;与现有的用于卫星网络的协议相比,本文提出的基于丢包区分的TCP协议不仅具有很好的公平性而且吞吐率也有很大的提升。