摘要 | 第6-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第12-17页 |
1.1 课题背景 | 第12-13页 |
1.2 课题目的及意义 | 第13-14页 |
1.3 国内外研究现状 | 第14-15页 |
1.4 本文组织结构 | 第15-17页 |
第2章 网络管理和RBF神经网络的相关技术研究 | 第17-28页 |
2.1 网络管理技术研究 | 第17-19页 |
2.1.1 故障管理 | 第17-18页 |
2.1.2 性能管理 | 第18-19页 |
2.1.3 配置管理 | 第19页 |
2.1.4 安全管理 | 第19页 |
2.1.5 计费管理 | 第19页 |
2.2 网络管理协议 | 第19-21页 |
2.2.1 SNMP协议 | 第19-21页 |
2.2.2 IPMI协议 | 第21页 |
2.3 RBF神经网络的基本原理 | 第21-27页 |
2.3.1 RBF神经网络的原理 | 第21-22页 |
2.3.2 RBF神经网络的网络结构 | 第22-23页 |
2.3.3 RBF神经网络的学习规则 | 第23-27页 |
2.4 本章小结 | 第27-28页 |
第3章 网络性能监控 | 第28-56页 |
3.1 面向智慧城市的网络性能监控需求 | 第28-35页 |
3.1.1 网络性能监控架构与管理范围 | 第28-29页 |
3.1.2 性能监控接口需求 | 第29-31页 |
3.1.3 性能监控功能结构图 | 第31-32页 |
3.1.4 性能监控运行所需资源 | 第32-34页 |
3.1.5 网络采集模型需求分析 | 第34-35页 |
3.2 采集模型架构设计 | 第35页 |
3.3 数据采集 | 第35-42页 |
3.3.1 SNMP协议的采集 | 第36页 |
3.3.2 IPMI协议的采集 | 第36-37页 |
3.3.3 sFlow采集 | 第37-39页 |
3.3.4 探针采集 | 第39-41页 |
3.3.5 SYSLOG采集 | 第41页 |
3.3.6 日志采集 | 第41-42页 |
3.4 数据处理 | 第42-50页 |
3.4.1 告警数据处理 | 第42-48页 |
3.4.2 文件数据处理 | 第48-50页 |
3.5 数据入库 | 第50-53页 |
3.5.1 文件的处理效率 | 第51-52页 |
3.5.2 配置的灵活性 | 第52页 |
3.5.3 多厂家支持 | 第52-53页 |
3.6 配置策略管理 | 第53-55页 |
3.6.1 健康规则设置 | 第53-54页 |
3.6.2 告警规则设置 | 第54-55页 |
3.7 本章小结 | 第55-56页 |
第4章 网络流量预测模型研究 | 第56-72页 |
4.1 遗传算法的基本原理和方法 | 第56-62页 |
4.1.1 遗传算法的基本介绍 | 第56-57页 |
4.1.2 编码 | 第57-58页 |
4.1.3 适应度函数 | 第58页 |
4.1.4 选择策略 | 第58-59页 |
4.1.5 交叉 | 第59-60页 |
4.1.6 变异 | 第60-61页 |
4.1.7 控制参数和约束条件 | 第61页 |
4.1.8 遗传算法的操作流程 | 第61-62页 |
4.2 基于改进遗传算法优化的RBF神经网络模型 | 第62-66页 |
4.3 遗传算法优化的RBF神经网络智慧城市的网络流量预测的基本思想 | 第66-67页 |
4.4 基于智慧城市的网络流量预测模型的整体设计 | 第67-68页 |
4.5 模型分析 | 第68-70页 |
4.6 本章小结 | 第70-72页 |
第5章网络性能监控及流量预测仿真系统的设计与实现 | 第72-84页 |
5.1 系统开发环境 | 第72-73页 |
5.2 系统总体功能设计 | 第73-74页 |
5.3 网络数据采集功能的实现 | 第74-77页 |
5.3.1 网络数据采集 | 第74页 |
5.3.2 告警配置 | 第74-76页 |
5.3.3 告警生成 | 第76-77页 |
5.4 网络流量预测功能的实现 | 第77-82页 |
5.4.1 模型的建立 | 第77-81页 |
5.4.2 预测仿真 | 第81-82页 |
5.5 本章小结 | 第82-84页 |
结论 | 第84-86页 |
参考文献 | 第86-91页 |
攻读硕士学位期间发表的论文 | 第91-92页 |
致谢 | 第92-93页 |