BP网络组合预测在网络流量预测中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 第二章 基于局域相关向量机回归模型的流量预测 | 第13-17页 |
| 2.1 构建相关向量机回归模型 | 第13-15页 |
| 2.2 非线性时间序列的局域预测 | 第15-16页 |
| 2.3 基于局域相关向量机回归模型的预测 | 第16页 |
| 2.4 本章总结 | 第16-17页 |
| 第三章 改进的布谷鸟算法优化SVM的流量预测 | 第17-24页 |
| 3.1 网络流量序列的相空间重构方法 | 第17-19页 |
| 3.1.1 延时的计算 | 第17-18页 |
| 3.1.2 嵌入维数的计算 | 第18页 |
| 3.1.3 最大Lyapunov指数的计算 | 第18-19页 |
| 3.2 支持向量机方法 | 第19-22页 |
| 3.2.1 核函数的选择 | 第21页 |
| 3.2.2 支持向量机的参数 | 第21-22页 |
| 3.3 改进的布谷鸟搜索算法 | 第22-23页 |
| 3.4 MCS-SVM的流量预测模型设计 | 第23页 |
| 3.5 本章总结 | 第23-24页 |
| 第四章 改进的BP神经网络组合预测 | 第24-31页 |
| 4.1 BP神经网络 | 第24-25页 |
| 4.2 BP神经网络组合预测参数值的选定 | 第25-26页 |
| 4.2.1 输入、输出层神经元数的确定 | 第25-26页 |
| 4.2.2 隐含层神经元数的确定 | 第26页 |
| 4.2.3 权值、阈值的初始值域的确定 | 第26页 |
| 4.3 BP算法设计 | 第26-29页 |
| 4.3.1 BP基本算法 | 第26-27页 |
| 4.3.2 BP算法改进 | 第27-29页 |
| 4.3.3 BP算法模型设计 | 第29页 |
| 4.4 BP网络组合预测的模型设计 | 第29-30页 |
| 4.5 本章总结 | 第30-31页 |
| 第五章 实验与结果分析 | 第31-41页 |
| 5.1 NetFlow采集数据 | 第31-35页 |
| 5.1.1 NetFlow简介 | 第31-32页 |
| 5.1.2 NetFlow工作系统 | 第32-33页 |
| 5.1.3 NetFlow输出流信息格式 | 第33-34页 |
| 5.1.4 NetFlow数据采集 | 第34-35页 |
| 5.2 数据整合预处理 | 第35-36页 |
| 5.3 基于L-RVM模型的流量预测 | 第36-37页 |
| 5.4 基于MCS-SVM模型的流量预测 | 第37-38页 |
| 5.5 组合预测的结果分析 | 第38-40页 |
| 5.6 实验总结 | 第40-41页 |
| 第六章 总结与展望 | 第41-42页 |
| 6.1 总结 | 第41页 |
| 6.2 展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 发表论文和科研情况说明 | 第45-46页 |
| 致谢 | 第46-47页 |
