| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 网站访问量预测算法介绍 | 第16-28页 |
| 2.1 在线广告概述 | 第16-18页 |
| 2.1.1 在线广告的发展 | 第16-17页 |
| 2.1.2 在线广告的计价方式 | 第17页 |
| 2.1.3 在线广告的形式 | 第17-18页 |
| 2.2 预备知识 | 第18-21页 |
| 2.2.1 时间序列定义 | 第18-19页 |
| 2.2.2 特征统计量 | 第19-20页 |
| 2.2.3 平稳性与纯随机性 | 第20-21页 |
| 2.3 ARIMA预测算法 | 第21-23页 |
| 2.3.1 AR模型和MA模型 | 第21-22页 |
| 2.3.2 ARMA模型和ARIMA模型 | 第22-23页 |
| 2.4 Holt-Winters预测算法 | 第23-27页 |
| 2.4.1 一次指数平滑算法 | 第23-24页 |
| 2.4.2 二次指数平滑算法 | 第24-25页 |
| 2.4.3 Holt-Winters模型 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 访问量预测算法在广告效应中的应用研究 | 第28-41页 |
| 3.1 数据分析和评价指标 | 第28-32页 |
| 3.1.1 数据来源 | 第28页 |
| 3.1.2 数据特点分析 | 第28-31页 |
| 3.1.3 评价指标 | 第31-32页 |
| 3.2 实验环境配置 | 第32页 |
| 3.2.1 系统环境说明 | 第32页 |
| 3.2.2 R环境安装 | 第32页 |
| 3.3 ARIMA与Holt-Winters预测效果的对比研究 | 第32-38页 |
| 3.3.1 预测模型对比方案设计 | 第32-34页 |
| 3.3.2 预测模型对比结果及分析 | 第34-38页 |
| 3.4 小时级别访问量预测算法的应用策略改进 | 第38-40页 |
| 3.4.1 小时级别预测模型的应用策略介绍 | 第38-39页 |
| 3.4.2 小时级别预测模型应用策略的对比结果及分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 滤波算法在广告效应中的应用研究 | 第41-59页 |
| 4.1 传统的滤波算法 | 第41-47页 |
| 4.1.1 均值滤波 | 第41-42页 |
| 4.1.2 高斯滤波 | 第42页 |
| 4.1.3 快速傅里叶变换频域滤波 | 第42-44页 |
| 4.1.4 传统滤波算法的效果研究 | 第44-47页 |
| 4.2 基于流量拆分的滑动窗口滤波算法 | 第47-50页 |
| 4.2.1 流量拆分策略 | 第47-48页 |
| 4.2.2 基于流量拆分的滑动窗口滤波算法介绍 | 第48-50页 |
| 4.3 基于流量拆分的滑动窗口滤波算法的效果研究 | 第50-58页 |
| 4.3.1 流量拆分策略在传统滤波算法上的效果研究 | 第50-53页 |
| 4.3.2 基于流量拆分的滑动窗口滤波算法效果研究 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 学位论文数据集 | 第64页 |
