校园网络流量分析与预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·论文的研究背景 | 第7-8页 |
| ·研究的目的和意义 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·本文的内容和结构 | 第10-13页 |
| 第二章 网络流量模型 | 第13-29页 |
| ·网络性能分析方法 | 第13-15页 |
| ·网络性能分析方法 | 第13-14页 |
| ·网络流量的数据描述 | 第14页 |
| ·网络流量测量技术 | 第14-15页 |
| ·网络流量特征 | 第15-20页 |
| ·网络流量的自相似性 | 第15-18页 |
| ·网络流量的周期性 | 第18-19页 |
| ·网络流量的混沌性 | 第19页 |
| ·网络流量的突发性 | 第19-20页 |
| ·传统网络流量模型 | 第20-22页 |
| ·泊松模型 | 第20-21页 |
| ·马尔科夫模型 | 第21-22页 |
| ·自回归模型 | 第22页 |
| ·自相似网络流量模型 | 第22-25页 |
| ·ON/OFF 流叠加模型 | 第23-24页 |
| ·多重分形小波模型 | 第24-25页 |
| ·流量预测技术的新发展 | 第25-27页 |
| ·流量预测的应用 | 第27-29页 |
| 第三章 基于 BP 神经网络的流量预测模型 | 第29-39页 |
| ·神经网络原理 | 第29-32页 |
| ·神经元结构模型 | 第29-30页 |
| ·人工神经网络的分类 | 第30-31页 |
| ·神经网络的学习方式 | 第31-32页 |
| ·BP 神经网络 | 第32-34页 |
| ·BP 神经网络 | 第32-33页 |
| ·BP 网络设计中的关键问题 | 第33-34页 |
| ·基于 BP 神经网络的流量预测算法 | 第34-36页 |
| ·预测模型实验 | 第36-39页 |
| ·参数选择 | 第36页 |
| ·预测结果分析 | 第36-39页 |
| 第四章 基于小波神经网络的流量预测模型 | 第39-49页 |
| ·小波理论 | 第39-42页 |
| ·小波变换 | 第39-40页 |
| ·小波函数 | 第40-41页 |
| ·小波分析 | 第41-42页 |
| ·基于小波神经网络的网络流量预测算法 | 第42-44页 |
| ·小波神经网络模型的实例分析 | 第44-49页 |
| ·松散型小波神经网络模型预测 | 第45-46页 |
| ·融合型小波神经网络模型预测 | 第46-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·论文总结 | 第49页 |
| ·论文的不足 | 第49-50页 |
| ·未来展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 在读期间研究成果 | 第57-58页 |
