| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 论文的主要工作和研究内容 | 第9-10页 |
| 1.3 论文组织结构 | 第10-12页 |
| 第二章 网络流量模型研究与分析 | 第12-33页 |
| 2.1 概述 | 第12页 |
| 2.2 传统流量模型 | 第12-15页 |
| 2.2.1 泊松模型 | 第12-13页 |
| 2.2.2 马尔可夫(Markov)模型 | 第13-14页 |
| 2.2.3 回归(regression)模型 | 第14-15页 |
| 2.2.4 传统流量模型的缺点 | 第15页 |
| 2.3 自相似模型 | 第15-24页 |
| 2.3.1 重尾分布的ON/OFF模型 | 第16页 |
| 2.3.2 M/G/∞排队模型 | 第16-18页 |
| 2.3.3 FBM/FGN(分形布朗运动/分形高斯噪声)模型 | 第18页 |
| 2.3.4 基于小波的流量模型 | 第18-23页 |
| 2.3.5 自相似模型总结 | 第23-24页 |
| 2.4 泊松模型回归后的新模型 | 第24-32页 |
| 2.4.1 基于人工神经网络模型(ANN) | 第24-26页 |
| 2.4.2 模糊理论(fuzzy theory)模型 | 第26-28页 |
| 2.4.3 混合模型 | 第28-29页 |
| 2.4.4 多分形模型 | 第29-30页 |
| 2.4.5 FARIMA模型 | 第30-31页 |
| 2.4.6 基于经验模式分解模型 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于流量特征的网络流量模型研究系统设计 | 第33-40页 |
| 3.1 系统概述 | 第33页 |
| 3.2 系统总体设计 | 第33-34页 |
| 3.3 系统的功能模块设计 | 第34-40页 |
| 3.3.1 网络数据报文捕获模块设计 | 第35-37页 |
| 3.3.2 数据报文处理模块设计 | 第37-38页 |
| 3.3.3 流量特征模型解析模块设计 | 第38-40页 |
| 第四章 基于流量特征的网络流量模型研究系统实现 | 第40-49页 |
| 4.1 网络数据报文捕获模块实现 | 第40-42页 |
| 4.2 数据报文处理模块实现 | 第42-43页 |
| 4.3 流量特征模型解析模块实现 | 第43页 |
| 4.4 网络数据报文捕获及处理模块测试及验证 | 第43-49页 |
| 4.4.1 开发和测试环境配置 | 第44页 |
| 4.4.2 系统测试配置图 | 第44-45页 |
| 4.4.3 流量捕获模块测试过程及验证结果 | 第45-49页 |
| 第五章 网络流量特征模型研究 | 第49-59页 |
| 5.1 基于流量特征的流量模型研究 | 第49-51页 |
| 5.1.1 基于数据流的网络流量特征模型 | 第49-50页 |
| 5.1.2 基于数据包的网络流量特征模型 | 第50-51页 |
| 5.1.3 小结 | 第51页 |
| 5.2 流量特征分布相关系数 | 第51-52页 |
| 5.3 流量特征模型研究分析 | 第52-59页 |
| 5.3.1 数据报文数研究分析 | 第52-53页 |
| 5.3.2 分片报文数研究分析 | 第53-54页 |
| 5.3.3 流量带宽研究分析 | 第54-56页 |
| 5.3.4 数据报文长度研究分析 | 第56-57页 |
| 5.3.5 流的数量研究分析 | 第57-58页 |
| 5.3.6 小结 | 第58-59页 |
| 第六章 总结及展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |