| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·VBR 视频流量模型的研究现况 | 第8-10页 |
| ·本论文的主要工作及结构安排 | 第10-12页 |
| 第二章 小波分析理论和分形理论基础 | 第12-22页 |
| ·小波分析理论 | 第12-17页 |
| ·连续小波变换与离散小波变换 | 第12-14页 |
| ·常用的小波函数 | 第14-16页 |
| ·多分辨率分析 | 第16-17页 |
| ·分形理论 | 第17-22页 |
| ·分形概念的提出及分形理论的建立 | 第18页 |
| ·分形的几何特征 | 第18-20页 |
| ·分形的应用 | 第20-22页 |
| 第三章 MPEG-4 视频流的特性分析及模型研究 | 第22-46页 |
| ·实验数据来源及特性分析 | 第22-26页 |
| ·MPEG 简介 | 第26-30页 |
| ·MPEG-4 组成 | 第26-29页 |
| ·MPEG-4 视频编码原理 | 第29-30页 |
| ·视频流的特性分析 | 第30-43页 |
| ·自相似定义 | 第31-34页 |
| ·判断自相似序列的分析方法 | 第34-35页 |
| ·判断多分形的分析方法 | 第35-36页 |
| ·对实验数据进行特性分析 | 第36-43页 |
| ·视频流量模型 | 第43-46页 |
| ·自相似流量模型 | 第43-44页 |
| ·多分形流量模型 | 第44-46页 |
| 第四章 基于神经网络的VBR 视频流量预测模型的建立 | 第46-59页 |
| ·神经网络概述 | 第46-50页 |
| ·神经元模型 | 第46-49页 |
| ·几种典型的神经网络模型 | 第49-50页 |
| ·神经网络的学习方法 | 第50-52页 |
| ·有教师学习（监督学习） | 第50-51页 |
| ·无教师学习方式（无监督学习） | 第51-52页 |
| ·强化学习（再励学习） | 第52页 |
| ·BP 神经网络 | 第52-54页 |
| ·BP 网络结构及学习方法 | 第53-54页 |
| ·BP 网络泛化能力及其局限性 | 第54页 |
| ·基于神经网络的VBR 视频流量预测模型的建模方法 | 第54-59页 |
| ·建模思想 | 第55-56页 |
| ·建模方法 | 第56-58页 |
| ·流量预测性能指标 | 第58-59页 |
| 第五章 模型仿真及性能分析 | 第59-74页 |
| ·建立预测模型 | 第59-63页 |
| ·模型建立（方案一） | 第59-62页 |
| ·模型建立（方案二） | 第62-63页 |
| ·仿真结果及性能分析 | 第63-74页 |
| 第六章 总结与展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 摘要 | 第79-81页 |
| ABSTRACT | 第81-84页 |
| 致谢 | 第84-85页 |
| 导师及作者简介 | 第85页 |