首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--局域网(LAN)、城域网(MAN)论文

校园网络行为与流量预测分析研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第13-23页
    1.1 研究意义第13页
    1.2 高校校园网现状介绍第13-18页
        1.2.1 国内外校园网背景及发展现状第13-15页
        1.2.2 校园网主要网络服务及特点第15-16页
        1.2.3 校园网主要缺陷第16-17页
        1.2.4 校园网面临主要问题第17-18页
    1.3 国内外研究现状第18-20页
    1.4 主要研究内容第20-21页
    1.5 本文结构安排第21-23页
第2章 校园网用户上网行为分析方法第23-30页
    2.1 用户行为分析概论第23-26页
        2.1.1 校园网络用户的基本概念第23页
        2.1.2 网络用户行为的概念及特征第23-25页
        2.1.3 网络用户行为的表示第25页
        2.1.4 网络用户行为分析第25-26页
    2.2 网络用户行为分析的过程第26-29页
        2.2.1 用户行为分析的整体流程第26页
        2.2.2 数据挖掘的主要工作第26-28页
        2.2.3 网络用户行为分析的主要阶段第28页
        2.2.4 本文采用的方法第28-29页
    2.3 本章小结第29-30页
第三章 校园网用户行为分析第30-53页
    3.1 数据采集第30-35页
        3.1.1 数据采集环境第30-31页
        3.1.2 网络流量识别第31-33页
        3.1.3 数据获取与分析第33-34页
        3.1.4 流量的数据特征第34-35页
    3.2 数据预处理第35-38页
        3.2.1 数据清理第35-36页
        3.2.2 数据集成阶段第36页
        3.2.3 数据变换第36-38页
    3.3 统计分析第38-39页
        3.3.1 统计分析概述第38页
        3.3.2 数值运算第38-39页
    3.4 聚类分析第39-46页
        3.4.1 聚类分析概述第39-40页
        3.4.2 聚类方法的数据结构第40页
        3.4.3 区间标度变量第40页
        3.4.4 聚类算法的类别第40-42页
        3.4.5 数据聚类分析法的实验分析第42-46页
    3.5 用户行为结果分析第46-50页
    3.6 网络流量高峰期第50-52页
    3.7 本章小结第52-53页
第4章 流量预测方法分析第53-59页
    4.1 概述第53页
    4.2 FARIMA模型第53页
    4.3 小波变换第53-54页
    4.4 神经网络模型第54-55页
    4.5 小波神经网络组合模型第55页
    4.6 BP神经网络第55-57页
    4.7 模型使用方法分析第57-58页
    4.8 本章小结第58-59页
第5章 组合模型及神经网络网络流量预测第59-71页
    5.1 概述第59页
    5.2 数据来源第59-62页
    5.3 BP神经网络算法第62-64页
    5.4 BP神经网络流量预测实现第64-67页
        5.4.1 预测实验第64页
        5.4.2 归一化处理第64-65页
        5.4.3 训练与预测第65-67页
    5.5 预测数据分析流量报告第67-69页
    5.6 小波神经网络模型的预测结果第69-70页
    5.7 本章小结第70-71页
结论第71-74页
参考文献第74-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:Web应用中基于树的克隆代码检测方法的研究
下一篇:新型多涡卷多翼混沌系统生成及其电路实现研究