摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-16页 |
1.1 课题研究背景与研究意义 | 第10-11页 |
1.2 研究现状 | 第11-13页 |
1.3 论文研究内容及组织结构 | 第13-16页 |
第2章 可生存性技术的基本理论 | 第16-26页 |
2.1 可生存性理论 | 第16-17页 |
2.1.1 可生存性形式化定义 | 第16-17页 |
2.1.2 可生存性相关概念 | 第17页 |
2.2 可生存性分析方法 | 第17-21页 |
2.2.1 可生存性定性分析 | 第18-20页 |
2.2.2 可生存性的定量分析 | 第20-21页 |
2.3 可生存性的若干增强技术 | 第21-24页 |
2.4 可生存性的发展趋势 | 第24-25页 |
2.5 本章小结 | 第25-26页 |
第3章 基于ITOPSIS-GCA-ED的可生存性综合评估 | 第26-42页 |
3.1 可生存性态势评估模型 | 第26-29页 |
3.1.1 权重的求解方法 | 第27-28页 |
3.1.2 TOPSIS及其改进方法简介 | 第28-29页 |
3.1.3 灰色关联分析简介 | 第29页 |
3.2 基于ITOPSIS-GCA-ED的可生存性量化评估过程 | 第29-33页 |
3.2.1 初始决策矩阵的建立 | 第30页 |
3.2.2 对属性进行规范化处理 | 第30-31页 |
3.2.3 正负理想解的确定 | 第31页 |
3.2.4 灰色关联决策分析 | 第31-32页 |
3.2.5 服务最优从属度的确定 | 第32页 |
3.2.6 系统可生存性定量评估的实现 | 第32-33页 |
3.3 实验与分析 | 第33-40页 |
3.4 本章小结 | 第40-42页 |
第4章 网络可生存性态势预测 | 第42-58页 |
4.1 态势预测相关技术 | 第42-43页 |
4.2 基于ARIMA模型的态势预测技术 | 第43-49页 |
4.2.1 ARIMA理论模型 | 第43-48页 |
4.2.2 基于ARIMA模型的建模及预测技术 | 第48-49页 |
4.3 实验与分析 | 第49-57页 |
4.4 本章小结 | 第57-58页 |
结论 | 第58-60页 |
参考文献 | 第60-64页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
致谢 | 第66页 |