| 基于α稳定分布的FARIMA(p，d，q)自相似模型 | 第1-4页 |
| FARIMA(p，d，q)Self-similar Model Based on α-Stable Distribution | 第4-6页 |
| 术语 | 第6-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-11页 |
| 2 网络流量中的自相似性及其影响 | 第11-19页 |
| ·传统的网络流量模型的失败 | 第11-12页 |
| ·自相似模型的提出 | 第12-14页 |
| ·自相似性对网络性能的影响 | 第14-16页 |
| ·网络流量自相似性产生的原因 | 第16-19页 |
| 3 自相似性的定义、性质、分析方法及长相关模型 | 第19-40页 |
| ·自相似性的定义及其性质 | 第19-23页 |
| ·离散自相似过程 | 第19-20页 |
| ·连续自相似过程 | 第20页 |
| ·自相似指数—H参数 | 第20-21页 |
| ·自相似性的性质 | 第21-23页 |
| ·流量自相似性估计的统计学方法 | 第23-29页 |
| ·聚集方差法(Aggregated Variance Method) | 第23-24页 |
| ·绝对矩法(Absolute Momems Method) | 第24-25页 |
| ·周期图法(Periodogram Method) | 第25-26页 |
| ·残留方差估计法(Variances of Residuals Method) | 第26页 |
| ·R／S法(重新标度权差分析(Rescaled Adjusted Range Analysis)) | 第26-27页 |
| ·WHITTLE估计法 | 第27-28页 |
| ·残留方差比例法(Ratio of Variance of Residuals Method) | 第28页 |
| ·小波估计法(wavelet estimator) | 第28-29页 |
| ·网络数据流量的研究模型 | 第29-38页 |
| ·传统的短相关模型 | 第29-33页 |
| ·网络流量的长相关模型 | 第33-38页 |
| ·几种自相似模型的评价 | 第38-40页 |
| 4 FARIMA(p，d，q)自相似模型和α稳定分布族 | 第40-49页 |
| ·FARIMA(p，d，q)自相似模型 | 第40-41页 |
| ·α稳定分布族的定义和性质 | 第41-46页 |
| ·α稳定分布族的定义 | 第42-43页 |
| ·标准α稳定分布函数的密度分布函数和累积分布函数 | 第43-45页 |
| ·特殊的标准α稳定分布 | 第45-46页 |
| ·标准α稳定分布的分布图及α和β参数的影响 | 第46-49页 |
| ·α参数的影响 | 第46-47页 |
| ·β参数的影响 | 第47-48页 |
| ·特殊的α稳定分布的概率(密度)分布函数图 | 第48-49页 |
| 5 基于α稳定分布的FARIMA(p，d，q)模型 | 第49-68页 |
| ·算法设计 | 第49-51页 |
| ·FARIMA(0，d，0)的情况 | 第50-51页 |
| ·FARIMA(p，d，q)的情况 | 第51页 |
| ·估计式一致性分析 | 第51-53页 |
| ·仿真 | 第53-68页 |
| ·仿真步骤 | 第53-56页 |
| ·仿真结果 | 第56-59页 |
| ·基于α稳定分布的FARIMA(p，d，q)模型的误差来源 | 第59页 |
| ·基于α稳定分布的FARIMA(p，d，q)模型的特点 | 第59页 |
| ·模型还可以进行改进的地方 | 第59-60页 |
| ·仿真图形 | 第60-68页 |
| 6 展望和结束语 | 第68-70页 |
| ·展望 | 第68-69页 |
| ·结束语 | 第69-70页 |
| 参考文献： | 第70-74页 |
| 声明 | 第74-75页 |
| 致谢 | 第75页 |
