一种基于小波神经网络的网络流量预测模型的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·论文的背景和意义 | 第10页 |
| ·流量特性简介 | 第10-16页 |
| ·自相似性 | 第11-14页 |
| ·长短相关性 | 第14-15页 |
| ·重尾特性 | 第15页 |
| ·单分形与多分形 | 第15-16页 |
| ·混沌性 | 第16页 |
| ·流量预测模型发展 | 第16-19页 |
| ·小波分析理论概述 | 第17页 |
| ·神经网络理论 | 第17-19页 |
| ·本文的主要研究内容研究内容 | 第19-20页 |
| 第2章 小波分析 | 第20-34页 |
| ·小波的概念 | 第20-22页 |
| ·连续小波变换 | 第22-23页 |
| ·离散小波变换 | 第23页 |
| ·小波变换在一维信号处理中的应用 | 第23-24页 |
| ·多分辨率分析 | 第24-25页 |
| ·Mallat算法及单支重构 | 第25-31页 |
| ·正交变换的Mallat快速算法 | 第27-29页 |
| ·小波分解树与小波包分解树 | 第29-31页 |
| ·经典小波 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 神经网络 | 第34-44页 |
| ·神经网络简介 | 第34页 |
| ·神经网络的原理 | 第34-36页 |
| ·神经网络的基本结构 | 第34-35页 |
| ·神经网络的学习特性 | 第35-36页 |
| ·神经网络的单神经元结构 | 第36-38页 |
| ·两种神经网络模型 | 第38-43页 |
| ·BP神经网络模型 | 第38-41页 |
| ·RBF神经网络模型 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 小波神经网络预测模型 | 第44-58页 |
| ·模型简介 | 第44-46页 |
| ·流量采集 | 第46-47页 |
| ·流量预测模型 | 第47-56页 |
| ·小波变换预处理 | 第47-48页 |
| ·归一化处理 | 第48-49页 |
| ·低频信号输入RBF神经网络 | 第49-51页 |
| ·高频频成分输入BP神经网络 | 第51-56页 |
| ·本章小结 | 第56-58页 |
| 总结 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 后记和致谢 | 第64页 |
