| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·网络流量研究背景及意义 | 第7-8页 |
| ·网络流量研究现状 | 第8-9页 |
| ·论文的主要工作 | 第9页 |
| ·论文的组织结构 | 第9-11页 |
| 第二章 网络流量自相似性分析 | 第11-21页 |
| ·网络流量自相似的定义 | 第11-13页 |
| ·自相似物理描述 | 第11-12页 |
| ·自相似数学定义 | 第12-13页 |
| ·自相似的性质 | 第13页 |
| ·网络流量自相似的度量 | 第13-18页 |
| ·Hurst 效应 | 第14-15页 |
| ·网络流量自相似的度量方法 | 第15-18页 |
| ·网络流量自相似的产生原因及其对网络的影响 | 第18-20页 |
| ·网络流量自相似的产生原因 | 第18-19页 |
| ·网络流量自相似对网络的影响 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 网络流量建模与预测概述 | 第21-37页 |
| ·网络流量建模预测的发展历程 | 第21-23页 |
| ·短相关模型 | 第23-30页 |
| ·泊松模型 | 第23-24页 |
| ·马尔可夫模型 | 第24-26页 |
| ·回归模型 | 第26-29页 |
| ·短相关模型的缺陷 | 第29-30页 |
| ·长相关模型 | 第30-33页 |
| ·ON/OFF 源模型 | 第31页 |
| ·确定性模型 | 第31-32页 |
| ·TES 模型 | 第32页 |
| ·分形高斯噪声与分形布朗运动模型 | 第32-33页 |
| ·网络流量模型研究的新发展 | 第33-36页 |
| ·人工神经网络 | 第33-34页 |
| ·模糊理论 | 第34页 |
| ·小波分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于时变分形自回归求和滑动平均模型的网络流量预测研究 | 第37-59页 |
| ·分形自回归求和滑动平均模型 | 第37-39页 |
| ·时变分形自回归求和滑动平均模型 | 第39页 |
| ·时变分形自回归求和滑动平均模型的参数估计方法 | 第39-47页 |
| ·基于时变分形自回归求和滑动平均模型的网络流量预测方法及实例 | 第47-58页 |
| ·实例验证方法说明 | 第47页 |
| ·实例数据选取 | 第47-48页 |
| ·基于分形自回归求和滑动平均模型的网络流量预测实例分析 | 第48-52页 |
| ·基于时变分形自回归求和滑动平均模型的网络流量预测实例分析 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 结束语 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
