自相似随机过程及其在通信中的应用
| 第一章 绪论 | 第1-12页 |
| 第二章 自相似随机过程基本概念 | 第12-29页 |
| ·自相似过程和长相关性 | 第12-14页 |
| ·自相似过程 | 第12-13页 |
| ·具有平稳增量的自相似过程 | 第13页 |
| ·长相关性 | 第13-14页 |
| ·布朗运动及分数布朗运动 | 第14-17页 |
| ·布朗运动 | 第15页 |
| ·分数布朗运动 | 第15-16页 |
| ·重正规化群与分数高斯噪声 | 第16-17页 |
| ·具有平稳增量的自相似平稳积分过程 | 第17-23页 |
| ·平稳列维过程 | 第17-19页 |
| ·平稳积分过程 | 第19-20页 |
| ·极限收敛定理 | 第20-23页 |
| ·具有独立增量的自相似过程 | 第23-25页 |
| ·半自相似过程 | 第25-27页 |
| 本章参考文献 | 第27-29页 |
| 第三章 自相似性及其流量模型 | 第29-40页 |
| ·长相关过程与重尾分布 | 第29-32页 |
| ·连续时间的自相似过程 | 第29页 |
| ·离散时间的自相似过程 | 第29-30页 |
| ·自相似性的统计特性 | 第30-31页 |
| ·重尾分布 | 第31-32页 |
| ·自相似流量模型 | 第32-35页 |
| ·分数布朗运动流量模型 | 第32-33页 |
| ·分数高斯噪声流量模型 | 第33页 |
| ·自回归模型 | 第33-34页 |
| ·自回归移动平均模型 | 第34页 |
| ·自回归综合移动平均模型 | 第34页 |
| ·分数ARIMA模型 | 第34-35页 |
| ·重尾分布和自相似性的判定 | 第35-38页 |
| ·重尾分布的判定 | 第35页 |
| ·方差-时间图 | 第35-36页 |
| ·R/S图 | 第36页 |
| ·Whittle估计器 | 第36-37页 |
| ·小波估计器 | 第37-38页 |
| 本章参考文献 | 第38-40页 |
| 第四章 自相似流量的预报性 | 第40-46页 |
| ·流量的自相似性对网络特性的影响 | 第40页 |
| ·自相似流量的预报性 | 第40-45页 |
| ·LRD和可预报性 | 第40-41页 |
| ·预报器 | 第41-42页 |
| ·均方误差预报器 | 第42-45页 |
| ·最小均方差预报器 | 第42-43页 |
| ·归一化最小均方差预报器 | 第43-44页 |
| ·分形预报器 | 第44-45页 |
| 本章参考文献 | 第45-46页 |
| 第五章 自相似在通信中的应用 | 第46-75页 |
| ·自相似在CDPD网络中的应用 | 第46-49页 |
| ·前言 | 第46-47页 |
| ·CDPD网络 | 第47页 |
| ·自相似性对CDPD网络业务的影响 | 第47-49页 |
| ·结论 | 第49页 |
| ·自相似在CERNET网络业务中的应用 | 第49-52页 |
| ·队列性能及定标律 | 第49-50页 |
| ·网络业务的自相似性及性能分析 | 第50-51页 |
| ·结论 | 第51-52页 |
| ·自相似在TELNET客户端中的应用 | 第52-60页 |
| ·前言 | 第52页 |
| ·TELNET客户端数据包产生的时间间隔分布 | 第52-54页 |
| ·Pareto分布下的平均突发长度 | 第54-57页 |
| ·Pareto分布和自相似模型 | 第57-58页 |
| ·Pareto分布和M/G/∞模型 | 第58-59页 |
| ·完整的TELNET客户端流量模型 | 第59页 |
| ·结论 | 第59-60页 |
| ·自相似对网络流量异常检测 | 第60-67页 |
| ·前言 | 第60页 |
| ·真实业务流量的自相似分析 | 第60-61页 |
| ·过程X为自相似或渐进自相似的分析方法 | 第60-61页 |
| ·真实业务流量的自相似性的限幅分析 | 第61-64页 |
| ·基于限幅的自相似性方法选取 | 第61-63页 |
| ·阀值变化的限幅特征 | 第63-64页 |
| ·网络流量的正常模型 | 第64页 |
| ·网络流量异常及其检测方法 | 第64-66页 |
| ·网络流量异常(DDos攻击) | 第64-65页 |
| ·正常模型的网络流量自相似性实时限幅检测 | 第65-66页 |
| ·运用分布数据库统计分析 | 第66页 |
| ·结论 | 第66-67页 |
| ·自相似在中国移动GPRS网络中的应用 | 第67-71页 |
| ·前言 | 第67页 |
| ·GPRS业务自相似特性分析 | 第67-69页 |
| ·基于GPRS的E-mail业务模型 | 第67-68页 |
| ·WWW业务模型 | 第68页 |
| ·WAP模型 | 第68-69页 |
| ·中国移动GPRS网络实际网络流量自相似特性分析 | 第69-70页 |
| ·时间序列自相似特性分析工具SELFIS | 第69页 |
| ·数据来源及中国移动GPRS网络有关背景介绍 | 第69-70页 |
| ·实际业务流量自相似分析特性 | 第70页 |
| ·结论 | 第70-71页 |
| ·自相似在队列管理算法中的应用 | 第71-72页 |
| 本章参考文献 | 第72-75页 |
| 第六章 结论和未来的工作 | 第75-77页 |
| ·结论 | 第75页 |
| ·未来的工作 | 第75-77页 |
| 致谢 | 第77页 |
