摘要 | 第1-8页 |
ABSTRACT | 第8-21页 |
第一章 绪论 | 第21-35页 |
·研究背景 | 第21-25页 |
·流量矩阵估计研究动态 | 第25-33页 |
·本文的主要贡献及内容安排 | 第33-35页 |
第二章 大尺度IP流量矩阵的最优化估计 | 第35-55页 |
·引言 | 第35-36页 |
·基于单纯形的SMBTME算法 | 第36-43页 |
·问题定义 | 第36-37页 |
·流量矩阵估计 | 第37-38页 |
·算法描述 | 第38-39页 |
·仿真和分析 | 第39-43页 |
·基于模拟退火的SAGI算法 | 第43-53页 |
·问题定义 | 第43页 |
·模拟退火过程 | 第43-47页 |
·广义反演 | 第47-48页 |
·算法描述 | 第48-49页 |
·仿真和分析 | 第49-53页 |
·本章小结 | 第53-55页 |
第三章 基于Fratar模型的大尺度IP流量矩阵估计 | 第55-71页 |
·引言 | 第55-57页 |
·基于Fratar模型的PFMFM算法 | 第57-64页 |
·问题定义 | 第57-59页 |
·流量矩阵估计 | 第59-60页 |
·算法描述 | 第60-61页 |
·仿真和分析 | 第61-64页 |
·基于Fratar模型的ARTI算法 | 第64-70页 |
·基于ART的递归反演 | 第64-66页 |
·算法描述 | 第66页 |
·仿真和分析 | 第66-70页 |
·本章小结 | 第70-71页 |
第四章 基于回归模型的大尺度IP流量矩阵估计 | 第71-89页 |
·引言 | 第71-73页 |
·基于马氏距离的MDRI算法 | 第73-81页 |
·OD流建模 | 第73-75页 |
·流量矩阵估计中的马氏距离 | 第75-77页 |
·流量矩阵估计 | 第77-78页 |
·算法描述 | 第78页 |
·仿真和分析 | 第78-81页 |
·基于GARCH模型的IP流量矩阵估计算法 | 第81-87页 |
·问题定义 | 第81-82页 |
·流量矩阵估计 | 第82-83页 |
·算法描述 | 第83-84页 |
·仿真和分析 | 第84-87页 |
·本章小结 | 第87-89页 |
第五章 基于递归神经网络的大尺度IP流量矩阵估计 | 第89-111页 |
·引言 | 第89-91页 |
·基于RMLP的IP流量矩阵估计算法 | 第91-100页 |
·问题定义 | 第91页 |
·OD流建模 | 第91-95页 |
·算法描述 | 第95-96页 |
·仿真和分析 | 第96-100页 |
·基于Elman神经网络的IP流量矩阵估计算法 | 第100-109页 |
·流量矩阵估计模型 | 第100-103页 |
·流量矩阵反演 | 第103-104页 |
·算法描述 | 第104页 |
·仿真和分析 | 第104-109页 |
·本章小结 | 第109-111页 |
第六章 基于前馈神经网络的大尺度IP流量矩阵估计 | 第111-143页 |
·引言 | 第111-112页 |
·基于BP神经网络的BPNNI算法 | 第112-118页 |
·流量矩阵估计建模 | 第112-114页 |
·流量矩阵估计 | 第114-116页 |
·算法描述 | 第116页 |
·仿真和分析 | 第116-118页 |
·基于GRNN的IP流量矩阵估计算法 | 第118-127页 |
·流量矩阵估计模型 | 第118-120页 |
·流量矩阵递归反演 | 第120-123页 |
·算法描述 | 第123-124页 |
·仿真和分析 | 第124-127页 |
·基于RBF神经网络的TMRI算法 | 第127-141页 |
·问题定义 | 第127-128页 |
·用于流量矩阵估计的RBF神经网络模型 | 第128-130页 |
·流量矩阵估计模型 | 第130-131页 |
·流量矩阵递归反演 | 第131-133页 |
·算法描述 | 第133-134页 |
·仿真和分析 | 第134-141页 |
·本章小结 | 第141-143页 |
第七章 全文总结 | 第143-147页 |
·工作总结 | 第143-145页 |
·展望 | 第145-147页 |
致谢 | 第147-148页 |
参考文献 | 第148-160页 |
本文作者在攻博期间发表、录用和投出的论文 | 第160-163页 |
本文作者在攻博期间参加的科研项目 | 第163页 |
本文作者在攻博期间的获奖情况 | 第163页 |