| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-19页 |
| ·选题背景 | 第10-12页 |
| ·认知网络的研究与发展 | 第10页 |
| ·认知网络的概念与模型 | 第10-12页 |
| ·研究现状 | 第12-16页 |
| ·流量预测模型发展现状 | 第13-14页 |
| ·负载均衡的研究现状 | 第14-15页 |
| ·存在的问题 | 第15-16页 |
| ·论文的主要工作研究内容与创新性 | 第16-17页 |
| ·论文的研究内容 | 第16-17页 |
| ·论文的研究意义 | 第17页 |
| ·论文的创新性体现 | 第17页 |
| ·论文组织 | 第17-19页 |
| 2 当前网络中负载均衡理论综述 | 第19-32页 |
| ·负载均衡概述 | 第19-21页 |
| ·负载均衡的必要性分析 | 第19页 |
| ·现有的负载均衡算法 | 第19-21页 |
| ·现有负载均衡算法存在问题 | 第21页 |
| ·基于流量预测模型的负载均衡算法 | 第21-22页 |
| ·应用于负载均衡的流量预测模型相关理论 | 第22-32页 |
| ·流量预测的两种模型 | 第22-23页 |
| ·流量预测的三种方法 | 第23-26页 |
| ·认知网络中流量预测方法比较分析 | 第26-27页 |
| ·神经网络流量预测模型综述 | 第27-32页 |
| 3 认知网络中基于神经网络预测组合模型的改进 | 第32-40页 |
| ·新的神经网络预测组合模型的选择 | 第32-35页 |
| ·神经网络预测组合模型 | 第32-34页 |
| ·拟改进的网络预测组合模型的选择 | 第34-35页 |
| ·改进的神经网络预测组合模型 | 第35-39页 |
| ·神经网络预测组合模型改进思路描述 | 第35-36页 |
| ·改进的神经网络预测组合模型算法描述 | 第36-39页 |
| ·改进的神经网络预测组合模型优势分析 | 第39-40页 |
| 4 一种基于神经网络预测模型的负载均衡算法 | 第40-45页 |
| ·基于预测模型的流量调度与负载均衡技术方案描述 | 第40-41页 |
| ·总体算法方案 | 第40-41页 |
| ·预测模型算法方案 | 第41页 |
| ·基于神经网络预测模型的流量调度算法(NNPMA) | 第41-43页 |
| ·NNPMA算法设计 | 第41-42页 |
| ·NNPMA算法实现 | 第42-43页 |
| ·基于神经网络预测模型的流量调度算法的认知性体现 | 第43-44页 |
| ·基于神经网络预测模型的流量调度算法可行性分析 | 第44-45页 |
| 5 仿真实现 | 第45-58页 |
| ·OPNET简介 | 第45-47页 |
| ·仿真环境与参数说明 | 第47-48页 |
| ·硬件环境 | 第47页 |
| ·软件环境 | 第47-48页 |
| ·仿真协议、参数选择 | 第48页 |
| ·仿真实现 | 第48-53页 |
| ·进程模型 | 第49-51页 |
| ·节点模型 | 第51-52页 |
| ·网络模型 | 第52-53页 |
| ·仿真结果对比分析 | 第53-58页 |
| ·网络流量预测结果 | 第53-55页 |
| ·服务器负载效果分析 | 第55-56页 |
| ·网络延迟 | 第56-58页 |
| 6 结论 | 第58-60页 |
| ·研究结论 | 第58页 |
| ·进一步研究工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 学位论文数据集 | 第64页 |