| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题选题意义 | 第9页 |
| ·课题研究背景 | 第9-13页 |
| ·未来网络技术 | 第9-12页 |
| ·网络流量研究背景 | 第12页 |
| ·网络资源预测技术研究现状 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 基于神经网络的混沌时间序列预测基本理论 | 第16-27页 |
| ·混沌系统 | 第16-19页 |
| ·混沌的定义 | 第16-17页 |
| ·混沌的特性 | 第17页 |
| ·混沌的判定方法 | 第17-19页 |
| ·时间序列的预测 | 第19-20页 |
| ·神经网络模型 | 第20-26页 |
| ·神经网络的定义 | 第20页 |
| ·神经网络的性质和能力 | 第20-21页 |
| ·神经元模型 | 第21-23页 |
| ·网络结构 | 第23-24页 |
| ·神经网络学习过程 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 小波注入式最小复杂度回声状态网络预测算法 | 第27-48页 |
| ·回声状态网络模型 | 第27-30页 |
| ·回声状态网络的引入 | 第27-28页 |
| ·回声状态网络结构 | 第28-29页 |
| ·回声状态网络训练过程 | 第29-30页 |
| ·回声状态网络的研究方向 | 第30页 |
| ·最小复杂度回声状态网络模型 | 第30-31页 |
| ·小波注入式最小复杂度回声状态网络模型 | 第31-34页 |
| ·小波神经元的引入 | 第32页 |
| ·小波神经元的选择 | 第32-33页 |
| ·混合环形动态池 | 第33-34页 |
| ·小波注入式最小复杂度回声状态网络预测算法性能仿真与分析 | 第34-47页 |
| ·实验数据集 | 第34-36页 |
| ·训练和测试 | 第36-37页 |
| ·不同动态池规模下模型预测能力的比较 | 第37-38页 |
| ·不同动态池谱半径下模型预测能力的比较 | 第38-39页 |
| ·输入权重v和动态池权重r对预测能力的影响 | 第39-40页 |
| ·记忆能力的比较 | 第40-42页 |
| ·输入权重的符号分布对预测精度的影响 | 第42-43页 |
| ·小波神经元注入比例对预测能力的影响 | 第43-45页 |
| ·普通神经元和小波神经元的不同拓扑组合对预测能力的影响 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 全小波最小复杂度回声状态网络预测算法 | 第48-57页 |
| ·全小波最小复杂度回声状态网络模型 | 第48-50页 |
| ·全小波最小复杂度回声状态网络模型的引入 | 第48-49页 |
| ·WMCESN网络结构 | 第49页 |
| ·小波参数矩阵 | 第49-50页 |
| ·全小波最小复杂度回声状态网络预测算法性能仿真与分析 | 第50-56页 |
| ·WMCESN训练与测试 | 第50-51页 |
| ·不同动态池规模下模型预测能力和计算时间的比较 | 第51-52页 |
| ·有效谱半径范围比较 | 第52-53页 |
| ·鲁棒性比较 | 第53-55页 |
| ·小波参数矩阵规模对模型预测精度的影响 | 第55-56页 |
| ·全小波最小复杂度回声状态网络预测算法的局限性 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于WMCESN的未来网络流量预测方案 | 第57-61页 |
| ·方案设计 | 第57-58页 |
| ·WMCESN预测算法与BP神经网络预测算法的比较 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 结束语 | 第61-63页 |
| 缩略语 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表或已经录用的学术论文 | 第68页 |
