基于PSO-BP神经网络的网络流量预测算法的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要工作 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 相关基础理论 | 第16-26页 |
| 2.1 网络流量特征 | 第16-18页 |
| 2.1.1 网络流量的自相似与长相关性 | 第16-17页 |
| 2.1.2 网络流量的周期性和混沌性 | 第17-18页 |
| 2.1.3 网络流量的突发性 | 第18页 |
| 2.2 时间序列预测技术 | 第18-22页 |
| 2.2.1 线性时间序列预测的方法 | 第18-20页 |
| 2.2.2 非线性时间序列预测方法 | 第20-21页 |
| 2.2.3 基于神经网络的时间序列预测方法 | 第21-22页 |
| 2.3 网络流量数据的预处理技术 | 第22-24页 |
| 2.3.1 问题数据的影响 | 第23页 |
| 2.3.2 对问题数据的处理方法 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 网络流量预测算法的研究 | 第26-38页 |
| 3.1 网络流量预测概述 | 第26-27页 |
| 3.2 BP神经网络 | 第27-34页 |
| 3.2.1 BP神经网络的基本原理 | 第27-30页 |
| 3.2.2 BP神经网络的学习训练 | 第30-31页 |
| 3.2.3 BP神经网络的缺点和改进 | 第31-34页 |
| 3.3 粒子群优化算法 | 第34-36页 |
| 3.3.1 粒子群优化算法的基本原理 | 第34-35页 |
| 3.3.2 粒子群优化算法的流程 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 基于PSO-BP网络流量预测模型设计 | 第38-52页 |
| 4.1 PSO-BP预测模型的基本思想 | 第38-39页 |
| 4.2 PSO-BP预测模型的设计 | 第39-41页 |
| 4.3 网络流量预测模型的网络结构和初始参数设定 | 第41-47页 |
| 4.3.1 预测模型中的BP网络结构及参数设定 | 第41-44页 |
| 4.3.2 预测模型中PSO优化算法的参数设定 | 第44-47页 |
| 4.4 PSO-BP网络流量预测算法的性能分析 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第5章 网络流量预测系统的设计与实现 | 第52-68页 |
| 5.1 网络流量预测系统的设计 | 第52-63页 |
| 5.1.1 网络流量预测系统的架构设计 | 第52-54页 |
| 5.1.2 网络流量预测系统的模块设计 | 第54-59页 |
| 5.1.3 数据库设计 | 第59-63页 |
| 5.2 网络流量预测系统的实现 | 第63-66页 |
| 5.2.1 网络设备信息管理的实现 | 第63-64页 |
| 5.2.2 网络连接信息管理的实现 | 第64-65页 |
| 5.2.3 网络流量预测的实现 | 第65-66页 |
| 5.3 本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 本文总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间取得的成果 | 第76页 |
