| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 论文的研究背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 网络状态预测研究现状 | 第12-13页 |
| 1.2.2 数据融合研究现状 | 第13-14页 |
| 1.3 论文所做的主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 网络状态预测的概念和理论基础 | 第17-25页 |
| 2.1 虚拟网络模型与特点 | 第17-20页 |
| 2.1.1 虚拟网络实验环境 | 第18-19页 |
| 2.1.2 虚拟网络的特点 | 第19-20页 |
| 2.2 网络状态预测的方法 | 第20-22页 |
| 2.2.1 时间序列分析对网络数据的预测 | 第20-21页 |
| 2.2.2 使用数据挖掘的方法建立网络故障模型 | 第21页 |
| 2.2.3 使用Markov模型的方法对网络节点的权值的确定 | 第21-22页 |
| 2.3 数据融合的方法及分类 | 第22-23页 |
| 2.4 存在的问题以及本文的目标 | 第23页 |
| 2.5 小结 | 第23-25页 |
| 第3章 数据的采集与预处理 | 第25-36页 |
| 3.1 网络运行数据的采集技术及采集数据 | 第25-32页 |
| 3.1.1 基于SNMP的采集方式 | 第25-26页 |
| 3.1.2 SNMP的MIB库 | 第26-30页 |
| 3.1.3 SNMP采集数据 | 第30-32页 |
| 3.2 数据的预处理 | 第32-35页 |
| 3.2.1 常见的数据预处理方法 | 第32页 |
| 3.2.2 文章对数据的预处理 | 第32-35页 |
| 3.3 小结 | 第35-36页 |
| 第4章 网络状态预测的研究 | 第36-45页 |
| 4.1 网络运行状态预测模型 | 第36-37页 |
| 4.2 网络运行状态数据的预测方法 | 第37-40页 |
| 4.3 网络运行状态计算方法 | 第40页 |
| 4.4 改进网络状态计算方法 | 第40-41页 |
| 4.5 整体网络状态估计方法 | 第41-43页 |
| 4.6 体系结构 | 第43页 |
| 4.7 小结 | 第43-45页 |
| 第5章 实验与结果分析 | 第45-50页 |
| 5.1 网络参数预测的实验 | 第45-47页 |
| 5.2 网络状态的计算实验 | 第47-48页 |
| 5.3 整体网络状态估计实验 | 第48-49页 |
| 5.4 小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第56页 |