网络流量分析与预测模型研究
| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-11页 |
| ·课题的背景 | 第8页 |
| ·网络流量概述 | 第8-9页 |
| ·获取网络流量的方法 | 第8页 |
| ·网络流量的参数说明 | 第8-9页 |
| ·网络流量模型的研究现状 | 第9页 |
| ·本文的主要工作 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第2章 网络流量数据的优化 | 第11-15页 |
| ·采集网络流量数据的前提条件 | 第11页 |
| ·网络流量的特点 | 第11-12页 |
| ·建立正常状态的流量数据集 | 第12-14页 |
| ·网络流量数据的数学描述 | 第12页 |
| ·辨识及修正异常数据 | 第12-14页 |
| ·小结 | 第14-15页 |
| 第3章 基于时间序列的网络流量模型 | 第15-26页 |
| ·时间序列简介 | 第15页 |
| ·选取合理的时间序列网络流量模型 | 第15-17页 |
| ·ARIMA 网络流量模型的仿真实验 | 第17-25页 |
| ·网络流量数据的平稳化 | 第17-20页 |
| ·ARIMA 流量模型的运算过程 | 第20-23页 |
| ·ARIMA 流量模型的预测 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第4章 基于Elman 神经网络的网络流量模型 | 第26-37页 |
| ·人工神经网络原理和特点 | 第26页 |
| ·Elman 人工神经网络 | 第26-28页 |
| ·Elman 人工神经网络简介 | 第26-27页 |
| ·Elman 人工神经网络学习算法 | 第27-28页 |
| ·选取合理的神经网络流量模型 | 第28-29页 |
| ·流量数据在模型中的数据结构 | 第28-29页 |
| ·模型的误差指标 | 第29页 |
| ·Elman 神经网络流量模型的仿真实验 | 第29-33页 |
| ·数据的归一化处理 | 第29-30页 |
| ·输入输出节点的选取 | 第30-31页 |
| ·隐含层节点数的确定 | 第31页 |
| ·训练参数的选择 | 第31-32页 |
| ·第一组数据的仿真实验 | 第32页 |
| ·第二组数据的仿真实验 | 第32-33页 |
| ·两组数据的实验结果分析 | 第33-35页 |
| ·小结 | 第35-37页 |
| 第5章 基于多重组合算法的网络流量模型 | 第37-42页 |
| ·传统模型存在的不足 | 第37页 |
| ·建立多重组合网络流量模型 | 第37-38页 |
| ·多重组合网络流量模型的算法 | 第38-39页 |
| ·多重组合流量模型的仿真实验及结果分析 | 第39-41页 |
| ·单一模型的网络流量预测分析 | 第39页 |
| ·多重组合模型的网络流量预测分析 | 第39-40页 |
| ·三种网络流量模型的对比分析 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第6章 流量模型的分析与应用 | 第42-48页 |
| ·更新网络流量模型 | 第42-43页 |
| ·更新模型的方法 | 第42-43页 |
| ·更新模型的仿真实验及结果分析 | 第43页 |
| ·检测异常流量 | 第43-45页 |
| ·边界值检测的方法种类 | 第43-44页 |
| ·计算自适应边界值的方法 | 第44-45页 |
| ·自适应边界值检测仿真实验及结果分析 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第7章 结论和展望 | 第48-50页 |
| ·总结 | 第48页 |
| ·下一步工作与研究展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 在校期间的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |
| 摘要 | 第54-56页 |
| Abstract | 第56-58页 |
| 导师及作者简介 | 第58页 |
