网络流量特性分析及预测研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·网络流量研究背景及意义 | 第7-9页 |
| ·网络流量研究现状 | 第9页 |
| ·论文的主要工作 | 第9-10页 |
| ·论文的组织结构 | 第10-12页 |
| 第二章 网络流量特性分析 | 第12-23页 |
| ·网络流量数据的获取 | 第12-13页 |
| ·网络流量特性概述 | 第13-14页 |
| ·网络流量的自相似性 | 第14-20页 |
| ·自相似过程的定义与性质 | 第14-15页 |
| ·自相似过程的判断——Hurst参数 | 第15-17页 |
| ·网络流量中自相似性 | 第17-20页 |
| ·网络流量的周期性 | 第20-21页 |
| ·网络流量的混沌性 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 网络流量预测方法及模型分析 | 第23-41页 |
| ·时间序列分析概述 | 第23-25页 |
| ·时间序列的相关概念 | 第23-24页 |
| ·时间序列分析方法 | 第24-25页 |
| ·流量建模预测的发展历程 | 第25-26页 |
| ·短相关模型 | 第26-30页 |
| ·马尔可夫模型 | 第26-27页 |
| ·回归模型 | 第27-29页 |
| ·短相关模型的优缺点 | 第29-30页 |
| ·长相关模型 | 第30-32页 |
| ·开关模型（ON/OFF） | 第30-31页 |
| ·分形布郎运动模型（FBM） | 第31-32页 |
| ·长相关模型的优缺点 | 第32页 |
| ·基于长相关和短相关特性的模型 | 第32-38页 |
| ·分形自回归求和滑动平均模型（FARIMA） | 第32-33页 |
| ·基于小波的混合模型 | 第33-38页 |
| ·网络流量模型研究的新发展 | 第38-40页 |
| ·小波分析理论 | 第38-39页 |
| ·神经网络理论 | 第39页 |
| ·混合预测模型 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 网络流量预测分析实例 | 第41-59页 |
| ·基于FARIMA模型预测实例分析 | 第41-47页 |
| ·数据采集及初始化分析 | 第42-43页 |
| ·自相似性检验 | 第43-44页 |
| ·模型识别及参数估计 | 第44-46页 |
| ·预测结果及分析对比 | 第46-47页 |
| ·基于小波的混合模型预测实例分析 | 第47-58页 |
| ·原始流量小波分解 | 第48-49页 |
| ·近似分量FARIMA模型拟合 | 第49-51页 |
| ·细节分量拟合 | 第51-56页 |
| ·原始业务流量拟合 | 第56-58页 |
| ·两个模型拟合效果比较 | 第58页 |
| ·本章小结 | 第58-59页 |
| 结束语 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
