采样环境下流量预测算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·论文的选题及研究意义 | 第9-10页 |
| ·本文的研究工作 | 第10-11页 |
| ·国内外研究概况 | 第11-13页 |
| ·流量抽样测量研究概况 | 第11-12页 |
| ·流量预测的研究概况 | 第12-13页 |
| ·论文组织架构 | 第13-15页 |
| 第二章 网络测量 | 第15-20页 |
| ·网络测量的意义 | 第15-16页 |
| ·网络测量的内容 | 第16-17页 |
| ·网络性能指标 | 第16-17页 |
| ·网络测量内容 | 第17页 |
| ·网络测量的方法 | 第17-19页 |
| ·主动测量 | 第18页 |
| ·被动测量 | 第18页 |
| ·抽样测量 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 网络流量抽样测量 | 第20-29页 |
| ·抽样测量的理论基础 | 第20-21页 |
| ·抽样测量的方法 | 第21-22页 |
| ·“1 out of N”型抽样的流量还原 | 第22-28页 |
| ·网络中IP包长度 | 第22-23页 |
| ·一个简单模型 | 第23-24页 |
| ·简单模型的推广 | 第24-26页 |
| ·算法不足及优化 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 网络流量预测 | 第29-47页 |
| ·网络流量预测概述 | 第29-33页 |
| ·预测的原理和误差指标 | 第29-31页 |
| ·流量预算模型 | 第31-33页 |
| ·网络流量的特征 | 第33-40页 |
| ·自相似性 | 第33-35页 |
| ·长相关性 | 第35-36页 |
| ·实际流量数据分析 | 第36-40页 |
| ·流量预测算法 | 第40-46页 |
| ·一次指数平滑法 | 第40-41页 |
| ·改进的平滑预测算法 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 机器学习在本课题的应用 | 第47-54页 |
| ·机器学习概述 | 第47-49页 |
| ·统计学习理论 | 第49-50页 |
| ·VC维 | 第49页 |
| ·结构化风险最小原则(SRM) | 第49-50页 |
| ·SVM | 第50页 |
| ·libSVM在本课题的应用 | 第50-53页 |
| ·libSVM概述 | 第50-51页 |
| ·平滑参数的自动调整 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 实验成果 | 第54-61页 |
| ·流量还原 | 第54-57页 |
| ·流量预测 | 第57-61页 |
| 第七章 结束语 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
