网络业务流分析与分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·研究背景与意义 | 第8-10页 |
| ·研究现状 | 第10-16页 |
| ·传统的网络业务流模型 | 第10-12页 |
| ·网络业务流的自相似特性 | 第12-13页 |
| ·网络业务流的多重分形现象 | 第13页 |
| ·网络业务流的自相似和多重分形模型 | 第13-14页 |
| ·业务流的控制 | 第14-16页 |
| ·本文工作安排 | 第16-17页 |
| 2 网络业务流分析方法研究 | 第17-34页 |
| ·业务流分析方法概述 | 第17-18页 |
| ·数据挖掘与关联规则 | 第18-22页 |
| ·Apriori算法 | 第22-23页 |
| ·面向业务流设计的新关联规则算法 | 第23-34页 |
| ·PRAR算法 | 第23-25页 |
| ·PRAR算法的改进 | 第25-27页 |
| ·PRAR算法I和算法II举例 | 第27-30页 |
| ·PRAR算法I和算法II性能分析 | 第30-34页 |
| 3 业务流分类的意义和方法介绍 | 第34-39页 |
| ·网络业务流的概念和特征 | 第34-35页 |
| ·网络业务流的分类方法 | 第35-36页 |
| ·业务流分类的意义 | 第35页 |
| ·ATM业务流分类方法 | 第35-36页 |
| ·应用统计学方法 | 第36-39页 |
| ·可行性分析 | 第36-37页 |
| ·相关工作 | 第37-38页 |
| ·业务流建模 | 第38-39页 |
| 4 应用矢量量化(VQ)的业务流分类 | 第39-46页 |
| ·矢量量化基本原理 | 第39-40页 |
| ·网络业务流量化 | 第40页 |
| ·VQ的聚类过程 | 第40-42页 |
| ·VQ测试过程 | 第42-44页 |
| ·VQ的结果 | 第44-46页 |
| 5 应用贝叶斯定理的业务流分类 | 第46-59页 |
| ·贝叶斯定理和朴素贝叶斯 | 第46-47页 |
| ·朴素贝叶斯分类过程 | 第47-48页 |
| ·基于朴素贝叶斯的业务流分类 | 第48-49页 |
| ·改进的贝叶斯分类 | 第49-55页 |
| ·高斯混合模型 | 第49-51页 |
| ·高斯混合模型的参数估计 | 第51-54页 |
| ·基于高斯混合的业务流分类 | 第54-55页 |
| ·贝叶斯分类测试试验与结果 | 第55-59页 |
| ·测试试验 | 第55页 |
| ·试验结果与分析 | 第55-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
