网络流量的特性分析与预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题的背景及意义 | 第9页 |
| ·课题的研究现状 | 第9-11页 |
| ·论文的主要工作 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 网络流量特性的分析与研究 | 第13-31页 |
| ·网络流量数据的获取与分析 | 第13-16页 |
| ·获取业务流量 | 第13-15页 |
| ·业务流量分析 | 第15-16页 |
| ·网络流量的自相似特性 | 第16-28页 |
| ·自相似的数学描述及相关概念 | 第16-19页 |
| ·自相似参数 H的估计 | 第19-24页 |
| ·流量的自相似性验证 | 第24-26页 |
| ·自相似对网络性能的影响 | 第26-27页 |
| ·自相似的成因分析 | 第27-28页 |
| ·网络流量的其他特性 | 第28-30页 |
| ·流量的周期性 | 第28-30页 |
| ·流量的混沌性 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 网络流量预测方法及模型研究 | 第31-48页 |
| ·流量建模预测的发展历程 | 第31-33页 |
| ·传统流量分析模型 | 第33-36页 |
| ·泊松模型(Possion) | 第33-34页 |
| ·马尔科夫模型(Markov) | 第34-35页 |
| ·自回归模型(AR) | 第35-36页 |
| ·传统模型的不足 | 第36页 |
| ·自相似流量模型 | 第36-42页 |
| ·开/关模型(ON/OFF) | 第37-38页 |
| ·分形布朗运动模型(FBM) | 第38-39页 |
| ·分形自回归求和滑动平均模型(FARIMA) | 第39-40页 |
| ·小波域独立高斯模型(WIG) | 第40-41页 |
| ·多分形小波模型(MWM) | 第41-42页 |
| ·自相似模型的优势和不足 | 第42页 |
| ·流量预测技术的新发展 | 第42-46页 |
| ·小波分析理论 | 第43页 |
| ·神经网络理论 | 第43-44页 |
| ·模糊理论 | 第44-45页 |
| ·混沌理论 | 第45-46页 |
| ·混合的预测模型 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于小波分析的流量预测算法研究 | 第48-57页 |
| ·数字信号处理技术 | 第48-50页 |
| ·傅立叶分析 | 第48-49页 |
| ·小波分析 | 第49-50页 |
| ·时间序列分析 | 第50-51页 |
| ·基于小波分析的混合流量模型 | 第51-56页 |
| ·模型描述 | 第51-52页 |
| ·Mallat小波分解 | 第52-53页 |
| ·分形自回归综合滑动平均模型 | 第53页 |
| ·Mallat小波重构 | 第53-54页 |
| ·混合预测算法描述 | 第54页 |
| ·关键代码描述 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 预测算法的实验分析及应用 | 第57-67页 |
| ·实验工具及环境 | 第57-59页 |
| ·实验结果的比较与分析 | 第59-62页 |
| ·预测算法的性能分析 | 第62-63页 |
| ·流量预测的应用 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·论文的主要贡献 | 第67-68页 |
| ·下一步的工作 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间的研究成果 | 第74页 |
