基于分布式平台的网络流量分析和预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题选题意义 | 第8页 |
| 1.2 论文的研究背景 | 第8-12页 |
| 1.2.1 未来网络中的智能技术 | 第8-9页 |
| 1.2.2 网络流量预测技术 | 第9-10页 |
| 1.2.3 分布式计算技术 | 第10-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 分布式平台Hadoop的关键技术 | 第14-20页 |
| 2.1 Hadoop相关项目 | 第14-15页 |
| 2.2 Hadoop文件系统 | 第15-16页 |
| 2.3 MapReduce计算模型 | 第16-17页 |
| 2.4 作业执行流程 | 第17-18页 |
| 2.5 相关改进和优化 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第三章 网络流量的分析和预测 | 第20-32页 |
| 3.1 网络流量的特征 | 第20页 |
| 3.2 时间序列分析法 | 第20-22页 |
| 3.2.1 自回归滑动平均模型(ARMA) | 第21-22页 |
| 3.2.2 广义自回归条件异方差(GARCH) | 第22页 |
| 3.3. 机器学习方法 | 第22-24页 |
| 3.4 基于回声状态网络的流量预测 | 第24-31页 |
| 3.4.1 回声状态网络模型介绍 | 第24-26页 |
| 3.4.2 回声状态网络模型的训练 | 第26-28页 |
| 3.4.3 回声状态网络的研究进展 | 第28-29页 |
| 3.4.4 本系统预测模型介绍 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于回声状态网络的分布式流量预测 | 第32-44页 |
| 4.1 海量移动网络数据的预处理 | 第32-33页 |
| 4.1.1 真实网络数据集介绍 | 第32页 |
| 4.1.2 海量数据的导入 | 第32-33页 |
| 4.2 详细算法流程 | 第33-38页 |
| 4.3 预测模型的建立 | 第38-41页 |
| 4.4 本章小结 | 第41-44页 |
| 第五章 系统的仿真和应用 | 第44-58页 |
| 5.1 移动网络数据分析 | 第44-46页 |
| 5.2 对多业务网络流量的预测分析 | 第46-52页 |
| 5.3 对多地区网络流量的预测分析 | 第52-54页 |
| 5.4 应用展望 | 第54-55页 |
| 5.5 本章小结 | 第55-58页 |
| 第六章 结束语 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表或已经录用的学术论文 | 第66页 |
