城域网应用层P2P流量预测模型的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景和意义 | 第13-14页 |
| ·研究现状 | 第14-16页 |
| ·本文的主要研究工作 | 第16-17页 |
| ·本文的组织结构 | 第17-19页 |
| 第2章 城域网P2P流量的特征分析 | 第19-27页 |
| ·网络流量的自相似特性 | 第19-20页 |
| ·自相似的数学描述及相关概念 | 第19-20页 |
| ·Hurst指数的估计算法 | 第20-22页 |
| ·方差-时间图法 | 第20-21页 |
| ·R/S(rescaled range)法 | 第21页 |
| ·周期图法 | 第21页 |
| ·Whittle法 | 第21-22页 |
| ·小波法 | 第22页 |
| ·P2P流量的特性分析 | 第22-26页 |
| ·P2P流量的自相似性 | 第23-24页 |
| ·P2P流量的周期性 | 第24-25页 |
| ·P2P流量的其他特性 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 网络流量预测模型的研究 | 第27-34页 |
| ·流量预测模型的发展历程 | 第27-28页 |
| ·传统的流量预测模型 | 第28-31页 |
| ·泊松模型(Possion) | 第28-29页 |
| ·自回归模型(AR) | 第29页 |
| ·马尔科夫模型(Markov) | 第29-30页 |
| ·传统模型的不足 | 第30-31页 |
| ·网络流量预测技术的新发展 | 第31-32页 |
| ·小波分析理论 | 第31页 |
| ·神经网络理论 | 第31-32页 |
| ·组合预测模型的优势 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 一种网络流量平稳化方法 | 第34-43页 |
| ·建立网络流量的正常行为模式 | 第34-37页 |
| ·平稳化方法 | 第37-41页 |
| ·算法实现 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于小波和时间序列的P2P流量预测模型 | 第43-52页 |
| ·小波分析 | 第43-45页 |
| ·小波变换的由来和作用 | 第43页 |
| ·尺度函数和小波函数的性质 | 第43-45页 |
| ·时间序列分析 | 第45-46页 |
| ·时间序列模型的基本性质 | 第45-46页 |
| ·基于小波与时间序列分析的P2P流量预测模型 | 第46-51页 |
| ·模型描述 | 第46-47页 |
| ·Mallat小波分解 | 第47-48页 |
| ·ARIMA模型 | 第48-49页 |
| ·Mallat小波重构 | 第49页 |
| ·预测结果修正 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 P2P流量模型的实验与验证 | 第52-64页 |
| ·实验平台的部署 | 第52页 |
| ·流量的识别 | 第52-55页 |
| ·应用分类 | 第52-53页 |
| ·网络流量测量算法 | 第53-55页 |
| ·仿真实验与分析 | 第55-63页 |
| ·分解序列的预测建模 | 第56-60页 |
| ·预测模型性能分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第71-72页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第72页 |
