面向网络优化的时间序列聚类算法
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.3 研究内容 | 第17页 |
| 1.4 论文结构 | 第17-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 时间序列聚类算法研究 | 第20-33页 |
| 2.1 时间序列聚类的预处理技术比较 | 第20-24页 |
| 2.1.1 基于区间的时间序列描述算法 | 第20-21页 |
| 2.1.2 基于时间点的时间序列描述算法 | 第21-22页 |
| 2.1.3 基于符号形式的时间序列描述算法 | 第22-23页 |
| 2.1.4 基于变换域的时间序列描述算法 | 第23-24页 |
| 2.1.5 基于索引的时间序列描述算法 | 第24页 |
| 2.2 时间序列聚类的相似度测量算法比较 | 第24-28页 |
| 2.2.1 完整时间序列全匹配的测量算法 | 第25-27页 |
| 2.2.2 时间序列子序列匹配的测量算法 | 第27-28页 |
| 2.3 时间序列聚类的分段算法比较 | 第28-29页 |
| 2.4 时间序列聚类的模式识别算法比较 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于聚类的流量突发预测算法 | 第33-44页 |
| 3.1 数据预处理 | 第33-34页 |
| 3.2 基于欧式距离和MA模型的相似度测量 | 第34-36页 |
| 3.3 模式识别和预测值初步估计 | 第36-38页 |
| 3.4 基于AR和正态分布的预测值修正 | 第38-40页 |
| 3.5 融合KEAMS和AR的流量冲突预测算法 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 可扩展的流量突发时间序列预测框架的设计 | 第44-52页 |
| 4.1 框架描述 | 第44-47页 |
| 4.2 框架训练阶段 | 第47-49页 |
| 4.3 框架预测阶段 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 实验结果与分析 | 第52-61页 |
| 5.1 实验说明 | 第52-54页 |
| 5.1.1 实验环境 | 第52-53页 |
| 5.1.2 相关数据 | 第53-54页 |
| 5.2 实验结果与分析 | 第54-60页 |
| 5.3 本章小结 | 第60-61页 |
| 结论与进一步研究 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |
