基于灰色神经网络组合模型的流量预测与评估方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-10页 |
| ·国内外研究及应用现状 | 第7-8页 |
| ·课题研究的意义 | 第8-9页 |
| ·论文研究的主要工作 | 第9页 |
| ·课题研究的主要问题及论文组织结构 | 第9-10页 |
| 第2章 网络流量的测量 | 第10-15页 |
| ·SNMP协议简介 | 第10-11页 |
| ·概述 | 第10页 |
| ·SNMP协议模型 | 第10-11页 |
| ·流量采集工具的选择 | 第11-13页 |
| ·基于NetFlow的流量采集 | 第11-12页 |
| ·基于Sniffer Portable的流量采集 | 第12页 |
| ·基于NetDetector的流量采集 | 第12页 |
| ·基于MRTG的流量采集 | 第12-13页 |
| ·基于Cacti的流量采集 | 第13页 |
| ·Cacti的安装、配置及流量的采集 | 第13-14页 |
| ·小结 | 第14-15页 |
| 第3章 灰色理论在网络流量预测中的应用 | 第15-25页 |
| ·网络流量预测的影响因素 | 第15页 |
| ·理论基础 | 第15-18页 |
| ·灰色系统理论的基本内容、原理和方法 | 第15-16页 |
| ·几种不确定性方法的比较 | 第16页 |
| ·五步建模 | 第16-17页 |
| ·灰色预测模型的检验 | 第17-18页 |
| ·基于灰色理论的流量预测 | 第18-24页 |
| ·基于GM(1，1)模型的网络流量预测 | 第18-21页 |
| ·基于等维GM(1，1)模型的流量预测 | 第21-22页 |
| ·基于Verhulst模型的网络访问量预测 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第4章 小波灰色预测模型在网络流量预测中的应用 | 第25-29页 |
| ·小波理论简介 | 第25-26页 |
| ·小波理论概述 | 第25页 |
| ·小波变换原理 | 第25-26页 |
| ·基于小波灰色模型的网络流量预测 | 第26-28页 |
| ·小波灰色预测模型 | 第26-27页 |
| ·小波灰色预测模型的算法实现 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第5章 灰色神经网络模型在网络流量预测中的应用 | 第29-38页 |
| ·人工神经网络基本原理 | 第29-31页 |
| ·人工神经网络 | 第29页 |
| ·人工神经元模型 | 第29-30页 |
| ·神经网络的基本原理 | 第30页 |
| ·神经网络的学习过程 | 第30-31页 |
| ·灰色GM(1，1)神经网络组合模型预测算法 | 第31-32页 |
| ·灰色BP神经网络组合预测模型的应用 | 第32-35页 |
| ·BP人工神经网络模型与算法 | 第32-33页 |
| ·基于灰色BP神经网络组合模型的流量预测 | 第33-34页 |
| ·灰色BP神经网络组合模型优化算法 | 第34-35页 |
| ·灰色径向基神经网络组合预测模型的应用 | 第35-37页 |
| ·径向基神经网络模型 | 第35-36页 |
| ·基于灰色径向基神经网络组合模型的流量预测 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第6章 基于灰色神经网络流量预测模型的路由算法 | 第38-42页 |
| ·路由基础 | 第38页 |
| ·常用的路由算法 | 第38-40页 |
| ·链路状态路由算法 | 第38-39页 |
| ·基于流量的路由选择 | 第39-40页 |
| ·基于流量预测的链路状态路由算法 | 第40-41页 |
| ·网络各节点流量预测算法 | 第40页 |
| ·路由选择算法描述 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第7章 总结与展望 | 第42-43页 |
| ·总结 | 第42页 |
| ·展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 附录 | 第46页 |
| 在读期间发表论文情况 | 第46页 |
| 在读期间参与项目情况 | 第46页 |
| 在读期间承担的教学任务 | 第46页 |
