| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景及意义 | 第12页 |
| ·流量矩阵定义 | 第12-13页 |
| ·流量矩阵的应用 | 第13-15页 |
| ·用于流量工程 | 第13-14页 |
| ·用于网络管理 | 第14页 |
| ·用于网络安全 | 第14页 |
| ·其他应用 | 第14-15页 |
| ·流量矩阵的获取 | 第15-16页 |
| ·基于链路的测量 | 第15页 |
| ·基于流的测量 | 第15-16页 |
| ·基于采样技术的测量 | 第16页 |
| ·流量矩阵估计 | 第16-17页 |
| ·本文的工作 | 第17-18页 |
| ·论文结构及章节安排 | 第18-19页 |
| 第2章 流量矩阵估计方法综述 | 第19-29页 |
| ·第一代方法 | 第19-22页 |
| ·泊松分布模型 | 第20-21页 |
| ·高斯分布模型 | 第21页 |
| ·对数高斯分布模型和高斯混合模型 | 第21页 |
| ·最优化方法 | 第21-22页 |
| ·第二代方法 | 第22-23页 |
| ·重力模型方法 | 第22-23页 |
| ·路由改变方法 | 第23页 |
| ·第三代方法 | 第23-26页 |
| ·扇出方法 | 第24页 |
| ·卡尔曼滤波方法 | 第24-25页 |
| ·主成分分析法 | 第25页 |
| ·独立连接模型 | 第25-26页 |
| ·时间序列模型 | 第26页 |
| ·神经网络方法 | 第26页 |
| ·流量矩阵估计的主要评价指标 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第3章 相似度线性映射流量矩阵估计方法 | 第29-40页 |
| ·迭代比例调整算法简介 | 第29-30页 |
| ·相似度线性映射方法 | 第30-32页 |
| ·误差校正 | 第32-33页 |
| ·实验及分析 | 第33-38页 |
| ·与重力模型、卡尔曼滤波、特征分析的比较 | 第33-36页 |
| ·与GARCH模型比较 | 第36-38页 |
| ·参数分析 | 第38页 |
| ·小结 | 第38-40页 |
| 第4章 基于多神经网络的流量矩阵估计方法 | 第40-53页 |
| ·K-MEANS算法简介 | 第40-41页 |
| ·人工神经网络简介 | 第41-46页 |
| ·BP神经网络 | 第43-44页 |
| ·RBF神经网络 | 第44-45页 |
| ·神经网络用于流量矩阵估计 | 第45-46页 |
| ·基于多神经网络的流量矩阵估计方法 | 第46-48页 |
| ·传统神经网络用于流量矩阵估计的不足 | 第46页 |
| ·基于多神经网络的流量矩阵估计方法 | 第46-48页 |
| ·实验及分析 | 第48-51页 |
| ·基于BP神经网络的多神经网络与BP神经网络对比 | 第50页 |
| ·基于RBF神经网络的多神经网络与RBF神经网络对比 | 第50-51页 |
| ·小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文 | 第61-62页 |
| 附录B 攻读学位期间所参与的科研活动 | 第62页 |