| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 专用术语注释表 | 第11-13页 |
| 第一章 绪论 | 第13-27页 |
| ·课题背景及意义 | 第13-15页 |
| ·课题背景 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·关键技术研究现状 | 第15-24页 |
| ·软计算技术研究现状 | 第15-18页 |
| ·IP 网络流量监测技术现状 | 第18-19页 |
| ·IP 网络流量预测研究现状 | 第19-20页 |
| ·IP 网络流量控制技术研究现状 | 第20-24页 |
| ·论文创新点 | 第24-26页 |
| ·论文结构安排 | 第26-27页 |
| 第二章 基于代理的互联网 QoS 流量监测模型 | 第27-42页 |
| ·引言 | 第27页 |
| ·基于代理的互联网 QoS 流量监测模型 | 第27-34页 |
| ·设计目标 | 第28-29页 |
| ·体系结构 | 第29-30页 |
| ·功能分析 | 第30-33页 |
| ·系统分析 | 第33-34页 |
| ·实验分析 | 第34-41页 |
| ·基于 QoS 监测组件组件的系统设计 | 第34-36页 |
| ·基于 QoS 监测组件的系统实现与分析 | 第36-39页 |
| ·CDR 关联合成算法的优化 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于进化 BP 神经网络的 IP 网络流量预测 | 第42-59页 |
| ·引言 | 第42-43页 |
| ·基于进化 BP 神经网络的 IP 网络流量预测算法 | 第43-53页 |
| ·BP 神经网络概述 | 第43-45页 |
| ·基于 BP 神经网络的 IP 网络流量预测算法 | 第45-50页 |
| ·基于进化 BP 神经网络的 IP 网络预测算法 | 第50-53页 |
| ·实验分析 | 第53-58页 |
| ·训练样本的选取 | 第53-54页 |
| ·输入层节点数 n 的选取 | 第54-55页 |
| ·隐层节点数 r 的选取 | 第55-56页 |
| ·训练函数的选取 | 第56-57页 |
| ·比较实验 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第四章 一种改进的基于小波变换和 GFARIMA 模型的网络流量预测算法 | 第59-76页 |
| ·引言 | 第59-60页 |
| ·改进的基于小波变换和 GFARIMA 模型的网络流量预测算法 | 第60-68页 |
| ·主要技术概述 | 第60-63页 |
| ·算法思想 | 第63-64页 |
| ·流量预处理 | 第64页 |
| ·小波分解和单支重构 | 第64-66页 |
| ·GFARIMA 模型预测 | 第66-68页 |
| ·实验分析 | 第68-74页 |
| ·数据来源 | 第68-69页 |
| ·Mallat 小波分解 | 第69-70页 |
| ·单支重构与 GFARIMA 模型预测 | 第70-73页 |
| ·流量合成 | 第73-74页 |
| ·小结 | 第74-76页 |
| 第五章 基于智能优化的路由选择优化算法研究 | 第76-90页 |
| ·引言 | 第76-77页 |
| ·基于基因表达式编程的路由选择优化算法 | 第77-83页 |
| ·主要技术概述 | 第77-79页 |
| ·问题描述 | 第79-80页 |
| ·基于基因表达式编程的路由选择优化算法 | 第80-83页 |
| ·基于模拟退火基因表达式编程的路由选择优化算法 | 第83-85页 |
| ·模拟退火概述 | 第83-84页 |
| ·基于模拟退火基因表达式编程的路由选择优化算法 | 第84-85页 |
| ·实验分析 | 第85-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-93页 |
| ·论文总结 | 第90-91页 |
| ·未来展望 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 附录 1 程序清单 | 第99-100页 |
| 附录 2 攻读博士学位期间撰写的论文 | 第100-101页 |
| 附录 3 攻读博士学位期间申请的专利 | 第101-102页 |
| 附录 4 攻读博士学位期间参加的科研项目 | 第102-103页 |
| 致谢 | 第103页 |
