| 摘要 | 第1-4页 |
| abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·网络业务量特性研究的意义与现状 | 第8-9页 |
| ·主要内容以及章节安排 | 第9-11页 |
| 第二章 网络业务量特性研究内容概述 | 第11-35页 |
| ·网络业务量模型 | 第11-19页 |
| ·传统业务量模型 | 第12-16页 |
| ·马尔科夫模型 | 第12页 |
| ·流体流模型 | 第12-13页 |
| ·回归模型 | 第13-14页 |
| ·TES模型 | 第14-15页 |
| ·更新业务模型 | 第15-16页 |
| ·自相似业务量模型 | 第16-19页 |
| ·FBM(分形布朗运动)模型 | 第17-18页 |
| ·分形ARIMA模型 | 第18页 |
| ·小波变换法 | 第18-19页 |
| ·自相似业务量产生方法 | 第19-27页 |
| ·基于业务量模型逼近的产生方法 | 第19-24页 |
| ·RMD(random midpoint displacement)产生方法 | 第20-21页 |
| ·基于滑动平均的FGN生成算法 | 第21-22页 |
| ·小波变换合成FBM算法 | 第22-24页 |
| ·基于用户行为模拟的产生方法 | 第24-27页 |
| ·基于用户行为统计特性的经验型自相似流生成算法 | 第24-26页 |
| ·M/G/∞模型产生方法 | 第26-27页 |
| ·ON/OFF模型产生方法 | 第27页 |
| ·网络业务量的预测方法 | 第27-34页 |
| ·经典预测理论 | 第27-30页 |
| ·时间序列介绍 | 第27-28页 |
| ·用于预报的随机模型 | 第28-30页 |
| ·网络业务量的预测方法 | 第30-34页 |
| ·神经网络方法预测网络业务量 | 第30-32页 |
| ·GP理论预测网络业务量 | 第32-33页 |
| ·状态切换ARIMA模型预测网络业务量 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第三章 乘积季节性模型预测wlan业务量 | 第35-45页 |
| ·无线网络业务量预测理论的研究进展 | 第35页 |
| ·无线局域网业务量的季节周期特性 | 第35-39页 |
| ·无线局域网简介 | 第35-37页 |
| ·无线局域网业务量季节周期特性的发现与验证 | 第37-39页 |
| ·乘积季节性模型预测无线局域网业务量 | 第39-43页 |
| ·ARIMA模型简介 | 第39-40页 |
| ·季节乘积模型的建立与分析 | 第40-41页 |
| ·业务量预测仿真 | 第41-42页 |
| ·结果分析 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第四章 IP网络自相似业务量产生器的研究与实现 | 第45-59页 |
| ·自相似业务量产生器的研究背景 | 第45页 |
| ·文件大小，传输协议与流量自相似性的关系分析 | 第45-49页 |
| ·问题提出背景 | 第45-46页 |
| ·仿真分析 | 第46-49页 |
| ·仿真结果分析 | 第49页 |
| ·多ON/OFF源汇聚的业务量自相似性分析 | 第49-51页 |
| ·仿真分析 | 第49-51页 |
| ·结果分析 | 第51页 |
| ·业务量产生器的算法描述以及实现细节 | 第51-57页 |
| ·设计思想描述 | 第51-55页 |
| ·系统架构 | 第55-56页 |
| ·结果分析 | 第56-57页 |
| ·小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 研究成果 | 第67页 |