| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·选题目的及意义 | 第11页 |
| ·网络流量预测基本原理 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·早期流量模型 | 第12-13页 |
| ·网络流量预测新发展 | 第13-15页 |
| ·预测模型总结与分析 | 第15-17页 |
| ·论文的结构安排 | 第17-19页 |
| 第2章 网络流量分析和小波处理 | 第19-33页 |
| ·引言 | 第19页 |
| ·网络流量数据的获取与处理 | 第19-22页 |
| ·流量数据的获取 | 第19-20页 |
| ·异常数据的处理 | 第20-22页 |
| ·网络流量的特性 | 第22-24页 |
| ·基于小波变换的网络流量分解 | 第24-31页 |
| ·小波的定义 | 第25页 |
| ·几种常用的小波 | 第25-26页 |
| ·小波变换 | 第26-27页 |
| ·小波变换的αTrous算法 | 第27-29页 |
| ·基于αTrous小波变换的网络流量分解 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 基于支持向量机的网络流量预测 | 第33-41页 |
| ·引言 | 第33页 |
| ·支持向量机理论 | 第33-39页 |
| ·统计学习理论 | 第33-34页 |
| ·支持向量回归机 | 第34-39页 |
| ·基于SVM的网络流量预测 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于小波变换和优化的SVM的网络流量预测模型 | 第41-60页 |
| ·引言 | 第41页 |
| ·SVM参数分析 | 第41-42页 |
| ·SVM参数优化方法概况 | 第42-43页 |
| ·量子粒子群算法 | 第43-44页 |
| ·改进的量子粒子群优化算法 | 第44-53页 |
| ·极值扰动 | 第44-45页 |
| ·混沌搜索条件判定 | 第45-46页 |
| ·混沌搜索 | 第46-48页 |
| ·算法流程 | 第48-49页 |
| ·DCQPSO算法性能分析 | 第49-53页 |
| ·基于DCQPSO的SVM参数优选 | 第53-57页 |
| ·参数优选步骤 | 第53-55页 |
| ·仿真示例 | 第55-57页 |
| ·WaOSVM网络流量预测模型 | 第57-59页 |
| ·模型框架 | 第57-58页 |
| ·算法具体步骤 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 WaOSVM实验结果与分析 | 第60-70页 |
| ·引言 | 第60页 |
| ·粗时间粒度网络流量预测 | 第60-66页 |
| ·细时间粒度网络流量预测 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-73页 |
| ·论文研究工作总结 | 第70-71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间参加的科研项目和成果 | 第78页 |