通信业务的分布特征及建模
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 论文结构 | 第12-14页 |
| 第二章 重尾分布 | 第14-18页 |
| 2.1 泊松过程 | 第14-15页 |
| 2.2 典型的重尾分布 | 第15-16页 |
| 2.2.1 重尾分布 | 第15页 |
| 2.2.2 幂律定律 | 第15页 |
| 2.2.3 Lognormal分布 | 第15-16页 |
| 2.2.4 Weibull分布 | 第16页 |
| 2.3 相关分析 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 人类行为模型 | 第18-27页 |
| 3.1 人类行为时间模型 | 第18-24页 |
| 3.1.1 任务队列模型 | 第18-19页 |
| 3.1.2 基于记忆模型 | 第19-20页 |
| 3.1.3 基于兴趣模型 | 第20-21页 |
| 3.1.4 混合分布模型 | 第21-24页 |
| 3.1.4.1 社交模型与任务队列模型相结合 | 第21-22页 |
| 3.1.4.2 记忆模型与兴趣模型相结合 | 第22-24页 |
| 3.2 人类行为空间模型 | 第24-26页 |
| 3.2.1 偏好返回模型 | 第24-25页 |
| 3.2.2 信息熵优化模型 | 第25页 |
| 3.2.3 周期性随机游走模型 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 通信业务时间间隔分布特征分析 | 第27-43页 |
| 4.1 数据集介绍与处理 | 第27-29页 |
| 4.2 两种重要的拟合方法 | 第29-31页 |
| 4.2.1 最小二乘法拟合 | 第29-30页 |
| 4.2.2 极大似然估计 | 第30-31页 |
| 4.3 QQ业务时间间隔分布特征 | 第31-34页 |
| 4.4 微信业务时间间隔分布特征 | 第34-37页 |
| 4.5 用户行为时间尺度上的异质性 | 第37-38页 |
| 4.6 即时通信业务用户行为建模 | 第38-40页 |
| 4.7 不同城市即时通信业务分布特征比较 | 第40-42页 |
| 4.8 本章小结 | 第42-43页 |
| 第五章 通信业务流量分布特征分析 | 第43-50页 |
| 5.1 数据介绍及处理 | 第43-44页 |
| 5.2 流媒体业务流量分布 | 第44-45页 |
| 5.3 即时通信业务流量分布 | 第45-47页 |
| 5.4 业务周期性特征 | 第47-48页 |
| 5.5 本章小结 | 第48-50页 |
| 第六章 通信业务流量比重分布 | 第50-57页 |
| 6.1 数据介绍及处理 | 第50-51页 |
| 6.2 流量比重分布 | 第51-52页 |
| 6.3 基于流量比重分布的业务分类 | 第52-55页 |
| 6.3.1 U型分布 | 第52-53页 |
| 6.3.2 跳尾分布 | 第53-54页 |
| 6.3.3 长尾分布 | 第54-55页 |
| 6.4 本章小结 | 第55-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 内容总结 | 第57-58页 |
| 7.2 未来展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
