基于遗传算法优化小波神经网络的网络流量预测模型研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题来源 | 第8页 |
| ·网络流量预测的研究背景和意义 | 第8页 |
| ·网络流量的特征 | 第8-10页 |
| ·自相似与长相关 | 第9页 |
| ·多分形 | 第9页 |
| ·周期性及混沌性 | 第9-10页 |
| ·网络流量预测模型的研究现状 | 第10-11页 |
| ·论文主要工作 | 第11页 |
| ·论文章节安排 | 第11-14页 |
| 第二章 小波变换理论 | 第14-20页 |
| ·引言 | 第14-15页 |
| ·小波变换 | 第15-19页 |
| ·连续小波变换 | 第15-16页 |
| ·离散小波变换 | 第16-17页 |
| ·多分辨率分析与Mallat算法 | 第17-19页 |
| ·本文用到的小波基 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 BP神经网络 | 第20-30页 |
| ·引言 | 第20页 |
| ·神经网络的基本理论 | 第20-22页 |
| ·BP神经网络 | 第22-27页 |
| ·BP神经网络概述 | 第22-23页 |
| ·BP神经网络的结构 | 第23-24页 |
| ·BP神经网络学习算法及其特征 | 第24-26页 |
| ·BP神经网络的主要特点以及改进 | 第26-27页 |
| ·本章小结 | 第27-30页 |
| 第四章 遗传算法 | 第30-42页 |
| ·引言 | 第30-31页 |
| ·遗传算法概念及特点 | 第31-33页 |
| ·遗传算法概念 | 第31-32页 |
| ·遗传算法的特征 | 第32-33页 |
| ·遗传算法理论基础 | 第33-36页 |
| ·模式定理 | 第34-35页 |
| ·积木块假设 | 第35-36页 |
| ·遗传算法基本要素及流程 | 第36-40页 |
| ·遗传算法基本要素 | 第36-39页 |
| ·遗传算法的基本流程及实现 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 基于遗传算法优化小波神经网络模型 | 第42-46页 |
| ·WGANN模型的理论基础 | 第42-44页 |
| ·小波神经网络的理论及不足 | 第42-43页 |
| ·遗传算法优化WNN | 第43-44页 |
| ·WGANN模型流程图 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 模型仿真与结果分析 | 第46-60页 |
| ·引言 | 第46页 |
| ·预测性能评价标准 | 第46页 |
| ·WGANN预测模型的仿真实验 | 第46-53页 |
| ·流量数据序列的预处理 | 第46-50页 |
| ·WGANN模型参数的选取 | 第50页 |
| ·WGANN模型关键代码实现 | 第50-53页 |
| ·实验结果及分析 | 第53-58页 |
| ·WGANN模型 | 第53-54页 |
| ·WNN模型 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 第七章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60页 |
| ·工作展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 研究成果 | 第66-67页 |
