基于粒子群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 |
| ·网络流量特征 | 第8-10页 |
| ·自相似性与长相关性 | 第9页 |
| ·多分形性 | 第9页 |
| ·周期性和混沌性 | 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11-12页 |
| ·论文章节安排 | 第12-14页 |
| 第二章 小波神经网络预测模型 | 第14-26页 |
| ·引言 | 第14页 |
| ·小波变换理论 | 第14-18页 |
| ·连续小波变换 | 第15-16页 |
| ·离散小波变换 | 第16-17页 |
| ·多分辨分析 | 第17页 |
| ·小波基 | 第17-18页 |
| ·BP 神经网络 | 第18-23页 |
| ·神经网络基本理论 | 第18-20页 |
| ·BP 神经网络 | 第20-23页 |
| ·小波神经网络 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于遗传算法优化的小波神经网络的预测模型 | 第26-34页 |
| ·引言 | 第26页 |
| ·遗传神经网络原理 | 第26-29页 |
| ·遗传算法特点 | 第26-27页 |
| ·遗传神经网络 | 第27-29页 |
| ·遗传算法优化小波神经网络预测模型 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于粒子群小波神经网络的预测模型 | 第34-44页 |
| ·粒子群优化算法基本原理 | 第34-38页 |
| ·粒子群优化算法与遗传算法比较 | 第34-35页 |
| ·粒子群优化算法数学描述 | 第35-38页 |
| ·粒子群神经网络原理 | 第38-40页 |
| ·粒子群优化算法与神经网络的融合 | 第38页 |
| ·粒子群算法优化神经网络的权值 | 第38-40页 |
| ·粒子群优化小波神经网络的预测模型 | 第40-42页 |
| ·粒子群算法优化 WNN | 第41页 |
| ·WPSONN 预测模型流程 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 实验与结果分析 | 第44-56页 |
| ·WPSONN 预测模型 | 第44-48页 |
| ·网络流量数据预处理 | 第44-47页 |
| ·WPSONN 预测模型参数的选取 | 第47-48页 |
| ·实验结果与分析 | 第48-55页 |
| ·WPSONN 模型 | 第48-50页 |
| ·WGANN 模型 | 第50-51页 |
| ·WNN 模型 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 工作总结与展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·工作展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 研究成果 | 第64-65页 |
