基于混沌—支持向量机理论的网络流量预测
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 图的目录 | 第9-10页 |
| 表的目录 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·相关的关键技术 | 第14-15页 |
| ·混沌理论 | 第14-15页 |
| ·支持向量机技术 | 第15页 |
| ·本文主要研究内容与组织结构 | 第15-17页 |
| 2 预测科学与网络流量 | 第17-29页 |
| ·预测科学及其应用 | 第17-19页 |
| ·预测科学简介 | 第17-18页 |
| ·预测科学的应用 | 第18-19页 |
| ·计算机网络网络流量控制和流量预测 | 第19-21页 |
| ·网络流量控制 | 第20页 |
| ·网络流量预测 | 第20-21页 |
| ·网络流量预测基础 | 第21-24页 |
| ·人工神经网络简介 | 第22-23页 |
| ·模糊理论简介 | 第23页 |
| ·小波分析技术简介 | 第23-24页 |
| ·网络流量预测技术小结 | 第24页 |
| ·网络流量预测技术的产生和发展 | 第24-25页 |
| ·互联网的网络流量现状与未来 | 第25-28页 |
| ·互联网网络流量的现状 | 第25-27页 |
| ·互联网网络流量的未来 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于混沌理论的网络流量预测 | 第29-45页 |
| ·网络流量的数学模型 | 第29-30页 |
| ·传统的时间序列分析方法 | 第30-35页 |
| ·最小均方差方法 | 第30-31页 |
| ·马尔可夫预测方法 | 第31-32页 |
| ·指数平滑预测方法 | 第32-34页 |
| ·门限自回归模型 | 第34-35页 |
| ·Box-Jenkins时间序列分析 | 第35页 |
| ·混沌理论 | 第35-38页 |
| ·混沌理论的产生与发展 | 第36页 |
| ·混沌理论坚实的数学基础 | 第36-38页 |
| ·基于混沌理论的网络流量预测 | 第38-40页 |
| ·网络流量预测模型的建立 | 第38-39页 |
| ·利用预测模型进行网络流量预测 | 第39-40页 |
| ·仿真与分析 | 第40-44页 |
| ·仿真步骤及过程 | 第40-42页 |
| ·仿真结果 | 第42-44页 |
| ·仿真结果的分析与评价 | 第44页 |
| ·本章小结 | 第44-45页 |
| 4 基于混沌-支持向量机理论的网络流量预测 | 第45-55页 |
| ·混沌预测性能改进的探讨 | 第45-47页 |
| ·支持向量机 | 第47-49页 |
| ·支持向量机的数学模型 | 第47-48页 |
| ·支持向量机应用于流量预测 | 第48-49页 |
| ·基于混沌-支持向量机理论的流量预测 | 第49-51页 |
| ·基于混沌-SVM的网络流量预测模型的建立 | 第49-51页 |
| ·利用混沌-SVM预测模型进行网络流量预测 | 第51页 |
| ·仿真及性能评价 | 第51-54页 |
| ·仿真步骤及过程 | 第51-52页 |
| ·性能评价指标 | 第52页 |
| ·仿真结果与性能分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·前景展望 | 第55-56页 |
| ·进一步工作 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
