| 第1章 绪论 | 第1-15页 |
| ·自然界中的自相似现象 | 第8-9页 |
| ·网络业务自相似现象的发现 | 第9-11页 |
| ·课题研究现状及意义 | 第11-13页 |
| ·本人的研究工作及论文内容安排 | 第13-15页 |
| 第2章 自相似的定义及其检测 | 第15-27页 |
| ·自相似过程的定义 | 第15-16页 |
| ·自相似过程的性质 | 第16-18页 |
| ·自相似过程的Hurst参数检测 | 第18-26页 |
| ·时间方差法(V-T) | 第19页 |
| ·R／S分析法 | 第19-20页 |
| ·周期图法 | 第20-22页 |
| ·Whittle估计法 | 第22页 |
| ·小波变换实时估计法 | 第22-24页 |
| ·V-T、R／S、周期图法3种估计法数据分析 | 第24-26页 |
| ·网络业务自相似的原因 | 第26-27页 |
| 第3章 自相似业务建模及生成 | 第27-35页 |
| ·传统业务模型与自相似过程 | 第27-28页 |
| ·ON／OFF模型 | 第28-31页 |
| ·FBM和FGN模型 | 第31-35页 |
| 第4章 分数自回归整合滑动平均过程FARIMA模型 | 第35-53页 |
| ·平稳时间序列、白噪声序列 | 第35-36页 |
| ·平稳时间序列线性模型 | 第36-40页 |
| ·偏相关函数 | 第36-37页 |
| ·自回归模型 | 第37-38页 |
| ·滑动平均模型 | 第38页 |
| ·自回归滑动平均模型 | 第38-40页 |
| ·非平稳时间序列ARIMA模型 | 第40-41页 |
| ·分数自回归整合滑动平均过程FARIMA模型 | 第41-51页 |
| ·分数差分与分数差分噪声 | 第41-43页 |
| ·FARIMA模型的构造 | 第43-44页 |
| ·FARIMA模型的实现 | 第44-46页 |
| ·利用FARIMA模型进行业务建模 | 第46-51页 |
| ·分数差分算子的实现 | 第47-48页 |
| ·辅助长自回归模型的建立 | 第48-49页 |
| ·模型参数的极大似然估计 | 第49-50页 |
| ·模型阶数的确定 | 第50-51页 |
| ·FARIMA模型的简单应用 | 第51-53页 |
| 第5章 自相似特性对网络性能的影响 | 第53-63页 |
| ·自相似下的队列分析 | 第53-57页 |
| ·现代网络排队的特点 | 第53-54页 |
| ·大偏差技术 | 第54-56页 |
| ·以FARIMA为业务模型的队列分析 | 第56-57页 |
| ·自相似下的丢失率 | 第57-63页 |
| ·单、多ON／OFF业务源 | 第57-59页 |
| ·多源单队列信元丢失分析 | 第59-60页 |
| ·多源多队列信元丢失分析 | 第60-63页 |
| 结束语 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录部分程序文件 | 第70-76页 |
| 攻读硕士学位期间发表的论文 | 第76页 |