| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题研究背景、目的及意义 | 第8-10页 |
| 1.2.1 课题研究背景 | 第8-9页 |
| 1.2.2 课题研究目的及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 针对移动网络流量预测研究 | 第10-11页 |
| 1.3.2 针对移动网络用户行为研究 | 第11-12页 |
| 1.4 本文主要工作及章节安排 | 第12页 |
| 1.5 本章小结 | 第12-14页 |
| 2 移动网络流量特性分析 | 第14-26页 |
| 2.1 自相似性 | 第14-18页 |
| 2.1.1 自相似过程的定义 | 第14-15页 |
| 2.1.2 自相似过程的特性 | 第15-16页 |
| 2.1.3 自相似特性评定指标及计算方法 | 第16-18页 |
| 2.2 自相似性对网络性能的影响 | 第18页 |
| 2.3 移动网络典型业务流量特性分析 | 第18-25页 |
| 2.3.1 典型业务及特征 | 第18-19页 |
| 2.3.2 数据描述 | 第19-20页 |
| 2.3.3 典型业务流量特性分析 | 第20-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 移动网络流量预测 | 第26-50页 |
| 3.1 网络流量预测模型概述 | 第26-32页 |
| 3.1.1 短相关流量预测模型 | 第26-29页 |
| 3.1.2 长相关流量预测模型 | 第29-32页 |
| 3.1.3 各类模型的比较 | 第32页 |
| 3.2 基于改进EMD和ARMA模型的流量预测 | 第32-48页 |
| 3.2.1 经验模态分解 | 第32-34页 |
| 3.2.2 理论证明 | 第34-36页 |
| 3.2.3 基于改进EMD和ARMA的流量预测模型 | 第36-39页 |
| 3.2.4 预测算法评估 | 第39页 |
| 3.2.5 移动浏览业务流量预测与评估 | 第39-42页 |
| 3.2.6 移动视频业务流量预测与评估 | 第42-45页 |
| 3.2.7 移动IM业务流量预测与评估 | 第45-48页 |
| 3.3 本章小结 | 第48-50页 |
| 4 移动网络用户行为预测 | 第50-68页 |
| 4.1 移动行为的位置预测算法 | 第50-53页 |
| 4.1.1 基于移动访问量统计的移动位置预测 | 第50-51页 |
| 4.1.2 基于决策树的移动位置预测 | 第51-52页 |
| 4.1.3 基于马尔科夫过程模型的移动位置预测 | 第52-53页 |
| 4.2 基于用户群体聚类的移动轨迹预测 | 第53-66页 |
| 4.2.1 移动行为的可预测性 | 第54页 |
| 4.2.2 轨迹模型定义 | 第54-55页 |
| 4.2.3 轨迹相似度定义 | 第55-56页 |
| 4.2.4 用户群体聚类算法描述 | 第56-58页 |
| 4.2.5 基于用户群体聚类的移动轨迹预测算法 | 第58-61页 |
| 4.2.6 仿真结果与分析 | 第61-66页 |
| 4.3 本章小结 | 第66-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78页 |
| A. 作者在攻读学位期间发表的论文目录 | 第78页 |
| B. 作者在攻读学位期间申请的专利目录 | 第78页 |
| C. 作者在攻读学位期间参与的研究项目 | 第78页 |