互联网流量、时延性质及预测模型研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第1章 绪论 | 第15-23页 |
| ·引言 | 第15-16页 |
| ·本文的主要贡献 | 第16-18页 |
| ·本文的结构与安排 | 第18页 |
| ·本章小结与参考文献 | 第18-23页 |
| 第2章 分形与混沌 | 第23-36页 |
| ·分形 | 第23-24页 |
| ·分形维数 | 第23-24页 |
| ·多重分形 | 第24-28页 |
| ·多重分形 | 第24-25页 |
| ·多重分形谱及其计算 | 第25-26页 |
| ·多重分形消除趋势波动分析,MFDFA | 第26-28页 |
| ·自相似 | 第28-29页 |
| ·混沌理论 | 第29-36页 |
| ·混沌的定义 | 第30页 |
| ·相空间重构 | 第30-31页 |
| ·嵌入维-时间延迟自动算法 | 第31-32页 |
| ·Lyapunov指数 | 第32-34页 |
| ·本章小结与参考文献 | 第34-36页 |
| 第3章 网络流量的尺度特性分析 | 第36-55页 |
| ·引言 | 第36页 |
| ·相关工作 | 第36-39页 |
| ·流量的自相似性 | 第36-37页 |
| ·流量的多重分形性质 | 第37-39页 |
| ·流量数据采集 | 第39-40页 |
| ·网络流量的MFDFA分析 | 第40-51页 |
| ·MFDFA分析 | 第40-47页 |
| ·多重分形来源分析 | 第47-51页 |
| ·本章小结与参考文献 | 第51-55页 |
| 第4章 网络流量的预测 | 第55-75页 |
| ·引言 | 第55页 |
| ·相关工作 | 第55-56页 |
| ·灰色模型流量预测 | 第56-63页 |
| ·GM(1,1)模型 | 第57-58页 |
| ·残差GM(1,1)模型 | 第58页 |
| ·MGM(1,1)流量预测 | 第58-62页 |
| ·残差MGM(1,1)流量预测 | 第62-63页 |
| ·基于小波分解的综合流量预测模型 | 第63-70页 |
| ·冗余小波变换 | 第64-65页 |
| ·小波分解的边界问题 | 第65-68页 |
| ·混沌预测模型 | 第68页 |
| ·WGC综合模型 | 第68-69页 |
| ·WGC预测网络流量 | 第69-70页 |
| ·本章小结与参考文献 | 第70-75页 |
| 第5章 端到端时延的尺度特性分析 | 第75-90页 |
| ·引言 | 第75页 |
| ·相关工作 | 第75-76页 |
| ·端到端时延的测量 | 第76-77页 |
| ·端到端时延的尺度特性分析 | 第77-87页 |
| ·DFA分析 | 第77-80页 |
| ·MFDFA分析 | 第80-82页 |
| ·多重分形来源分析 | 第82-87页 |
| ·本章小结与参考文献 | 第87-90页 |
| 第6章 端到端时延的预测 | 第90-103页 |
| ·引言 | 第90-91页 |
| ·相关工作 | 第91页 |
| ·端到端时延抖动序列的混沌性质 | 第91-95页 |
| ·基于混沌理论的神经网络时延预测 | 第95-101页 |
| ·基于混沌理论的神经网络模型 | 第95-97页 |
| ·端到端时延预测 | 第97-101页 |
| ·本章小结与参考文献 | 第101-103页 |
| 第7章 结束语 | 第103-108页 |
| 致谢 | 第108-109页 |
| 个人简历及参加的科研工作 | 第109-110页 |
| 攻读博士期间发表、完成的文章 | 第110页 |
