| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·本课题的研究背景和意义 | 第7页 |
| ·研究现状 | 第7-9页 |
| ·本课题研究的工作概述 | 第9页 |
| ·本文的内容安排 | 第9-11页 |
| 第二章 网络流量的特征分析和预测技术 | 第11-25页 |
| ·网络流量的性质 | 第11-16页 |
| ·自相似性 | 第11-12页 |
| ·长程相关性 | 第12-13页 |
| ·突发性 | 第13-14页 |
| ·随机过程 | 第14-16页 |
| ·传统流量预测技术 | 第16-21页 |
| ·泊松模型 | 第16-17页 |
| ·马尔科夫模型 | 第17-18页 |
| ·时间序列模型 | 第18-19页 |
| ·分形布朗运动模型 | 第19-21页 |
| ·流量预测技术的新发展 | 第21-25页 |
| ·小波分析理论 | 第21-22页 |
| ·神经网络理论 | 第22-23页 |
| ·模糊理论 | 第23页 |
| ·混沌理论 | 第23-25页 |
| 第三章 基于小波变换的ARMA和极限学习机组合模型 | 第25-34页 |
| ·小波分解及参数选择 | 第25-27页 |
| ·ARMA的识别与参数估计 | 第27-30页 |
| ·极限学习机 | 第30-31页 |
| ·基于小波变换的组合模型设计与实现 | 第31-34页 |
| 第四章 实验结果及分析 | 第34-44页 |
| ·实验数据的选择和处理 | 第34-35页 |
| ·性能评价指标 | 第35页 |
| ·实验结果的比较与分析 | 第35-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 在学期间的研究成果 | 第50-51页 |
| 致谢 | 第51页 |