基于灰色最小二乘支持向量机的网络流量预测系统设计与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 概论 | 第11-16页 |
| ·论文研究的目的与意义 | 第11-12页 |
| ·网络流量预测问题的研究现状 | 第12-14页 |
| ·本文研究思路与内容 | 第14-16页 |
| 第二章 灰色预测模型 | 第16-27页 |
| ·灰色理论的基本思想 | 第16-18页 |
| ·GM(1,1)模型 | 第18-20页 |
| ·GM(1,1)模型建模方法 | 第18-19页 |
| ·GM(1,1)的精确度评价和适用范围 | 第19-20页 |
| ·GM(1,1)模型的改进 | 第20-23页 |
| ·处理初始序列 | 第20页 |
| ·修正 GM(1,1)模型 | 第20-23页 |
| ·动态 GM(1,1)灰色预测模型 | 第23-24页 |
| ·网络流量预测的重要评价指标 | 第24页 |
| ·实例分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 支持向量机预测模型 | 第27-36页 |
| ·支持向量机的理论基础 | 第27-30页 |
| ·机器学习的基本问题 | 第27-28页 |
| ·统计学习理论的核心内容 | 第28-29页 |
| ·结构风险最小化 | 第29-30页 |
| ·动态稳健最小二乘支持向量机 | 第30-34页 |
| ·最小二乘支持向量机(LS-SVM) | 第30-31页 |
| ·稳健最小二乘支持向量机 | 第31-33页 |
| ·动态最小二乘支持向量机 | 第33-34页 |
| ·实例分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 组合预测模型 | 第36-44页 |
| ·组合预测概述 | 第36-37页 |
| ·灰色最小二乘支持向量机模型 | 第37-40页 |
| ·并联型灰色最小二乘支持向量机 | 第37-39页 |
| ·串联型灰色最小二乘支持向量机 | 第39-40页 |
| ·残差型灰色最小二乘支持向量机 | 第40页 |
| ·实例分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 网络流量预测系统的设计与实现 | 第44-66页 |
| ·网络流量预测系统架构 | 第44-46页 |
| ·网络流量预测系统各模块功能说明 | 第44-45页 |
| ·系统开发环境 | 第45-46页 |
| ·流量图生成模块的实现 | 第46-50页 |
| ·MRTG 的结构 | 第46-47页 |
| ·MRTG 的应用及配置 | 第47-48页 |
| ·RRD 数据库 | 第48-50页 |
| ·流量采集功能模块 | 第50-56页 |
| ·WinPcap 在网络抓包中的应用 | 第50-51页 |
| ·数据抓包流程图 | 第51-52页 |
| ·流量采集模块的设计 | 第52-54页 |
| ·数据包存储过程 | 第54-56页 |
| ·网络流量的预测模块 | 第56-64页 |
| ·网络流量预测模型的总体设计 | 第56-59页 |
| ·实现采用灰色最小二乘向量机的网络流量预测模型 | 第59-64页 |
| ·实验与应用 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 测试与分析 | 第66-73页 |
| ·实验环境 | 第66页 |
| ·LSSVM 性能实验与实验数据结果分析 | 第66-70页 |
| ·预测模型结果分析 | 第70-71页 |
| ·灰色 LSSVM 模型的应用 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第七章 总结与展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 硕期间取得的研究成果 | 第79-80页 |
