基于时间序列模型的网络流量预测研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义现状 | 第12-13页 |
| 1.3 选题意义和课题来源 | 第13-14页 |
| 1.4 本文的主要内容 | 第14-16页 |
| 2 时间序列模型的研究 | 第16-30页 |
| 2.1 时间序列的定义 | 第16-17页 |
| 2.2 时间序列相关理论及应用 | 第17-20页 |
| 2.3 时间序列的自相似特性介绍 | 第20-22页 |
| 2.3.1 自相似理论的提出 | 第21页 |
| 2.3.2 自相似的概念 | 第21-22页 |
| 2.3.3 网络流量的自相似性 | 第22页 |
| 2.4 时间序列长相关特性介绍 | 第22-25页 |
| 2.5 FARIMA模型的定义 | 第25-27页 |
| 2.6 FARIMA模型的产生 | 第27-30页 |
| 3 网络流量数据异常检测技术研究 | 第30-46页 |
| 3.1 数据质量相关理论和研究 | 第30-32页 |
| 3.1.1 数据质量的定义与重要性 | 第30-31页 |
| 3.1.2 数据质量的衡量 | 第31-32页 |
| 3.1.3 数据质量的处理与提高 | 第32页 |
| 3.2 缺失值的填补算法研究 | 第32-39页 |
| 3.2.1 缺失值的定义以及产生的原因 | 第32页 |
| 3.2.2 缺失机制与缺失模式 | 第32-34页 |
| 3.2.3 缺失值处理策略 | 第34-35页 |
| 3.2.4 基于时间序列的缺失值填补方法 | 第35-36页 |
| 3.2.5 KNN填补算法的理论与实际应用 | 第36-39页 |
| 3.3 网络流量异常值检测 | 第39-46页 |
| 3.3.1 异常值的概念及产生原因 | 第39页 |
| 3.3.2 异常值检验 | 第39-42页 |
| 3.3.3 异常值的处理方法 | 第42页 |
| 3.3.4 一种基于全局距离和的异常值检验算法 | 第42-46页 |
| 4 带数据质量检测的网络流量预测方法的应用 | 第46-56页 |
| 4.1 数据的选取与预处理 | 第46-48页 |
| 4.2 建立模型与分析 | 第48-54页 |
| 4.3 模型评价 | 第54-56页 |
| 5 结论与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 研究与展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 攻读学位期间发表学术论文清单 | 第64-66页 |
| 致谢 | 第66页 |
