网络流量的自相似特性及流量预测研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·研究进展及国内外研究现状 | 第8-9页 |
| ·论文的工作 | 第9-11页 |
| 第二章 网络流量的自相似特性 | 第11-21页 |
| ·自相似性及其产生的原因 | 第11-13页 |
| ·自相似性对网络性能的影响 | 第13-14页 |
| ·自相似流量的生成及估计方法 | 第14-19页 |
| ·自相似流量的生成方法 | 第14-17页 |
| ·自相似流量的估计方法 | 第17-19页 |
| ·自相似性实验测量结果 | 第19-21页 |
| 第三章 网络流量预测模型 | 第21-27页 |
| ·流量预测及其研究现状 | 第21页 |
| ·传统流量模型 | 第21-24页 |
| ·短相关模型 | 第22-23页 |
| ·长相关模型 | 第23-24页 |
| ·流量预测模型新进展 | 第24-26页 |
| ·人工神经网络 | 第24页 |
| ·小波理论 | 第24-25页 |
| ·模糊理论 | 第25页 |
| ·混沌理论 | 第25-26页 |
| ·组合预测模型 | 第26-27页 |
| 第四章 基于小波神经网络的流量预测模型 | 第27-35页 |
| ·小波变换模型 | 第27-29页 |
| ·小波特性与尺度函数 | 第27-28页 |
| ·正交小波变换的Mallat 算法 | 第28页 |
| ·网络流量的小波分析 | 第28-29页 |
| ·神经网络模型 | 第29-31页 |
| ·神经网络模型及其特性 | 第29-30页 |
| ·BP 神经网络流量预测模型 | 第30-31页 |
| ·小波与神经网络结合的组合预测模型 | 第31-35页 |
| ·小波函数及其分解层数 | 第31-32页 |
| ·神经网络训练 | 第32-34页 |
| ·仿真实验 | 第34-35页 |
| 第五章 改进的差分进化的网络流量预测模型 | 第35-41页 |
| ·差分进化算法 | 第35-37页 |
| ·DE 的基本步骤 | 第35-36页 |
| ·差分进化算法的其它形式 | 第36页 |
| ·控制参数的选择 | 第36-37页 |
| ·差分进化算法的改进(DEA) | 第37页 |
| ·BP 神经网络的标准学习算法 | 第37-38页 |
| ·改进差分进化的BP 网络学习算法 | 第38页 |
| ·实验与结果分析 | 第38-40页 |
| ·仿真实验 | 第38-39页 |
| ·结果分析 | 第39-40页 |
| ·本章小节 | 第40-41页 |
| 第六章 结论 | 第41-43页 |
| 致谢 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第49页 |
