网络速度趋势预测系统的研究与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.3.1 模型的研究 | 第12-13页 |
| 1.3.2 预测算法的研究 | 第13页 |
| 1.4 论文的结构 | 第13-15页 |
| 第二章 相关技术 | 第15-28页 |
| 2.1 趋势预测算法 | 第15-23页 |
| 2.1.1 统计学习理论 | 第15-16页 |
| 2.1.2 支持向量回归 | 第16-21页 |
| 2.1.3 神经网络 | 第21-22页 |
| 2.1.4 时间序列 | 第22-23页 |
| 2.2 优化算法 | 第23-27页 |
| 2.2.1 遗传算法 | 第23-24页 |
| 2.2.2 粒子群优化算法 | 第24-27页 |
| 2.2.3 网格搜索算法 | 第27页 |
| 2.3 总结 | 第27-28页 |
| 第三章 网络速度趋势预测方案设计 | 第28-52页 |
| 3.1 网络速度趋势预测系统整体交互模型 | 第28-29页 |
| 3.2 模型交互协议 | 第29-30页 |
| 3.3 网络速度采集模型 | 第30-34页 |
| 3.3.1 任务下发端 | 第31-32页 |
| 3.3.2 云端 | 第32-33页 |
| 3.3.3 采集端 | 第33-34页 |
| 3.4 数据处理模型 | 第34-36页 |
| 3.4.1 数据预处理 | 第34-35页 |
| 3.4.2 输入特征 | 第35-36页 |
| 3.5 网络速度预测模型 | 第36-40页 |
| 3.5.1 参数选择 | 第37-38页 |
| 3.5.2 PSO优化SVR | 第38-40页 |
| 3.6 网络速度预测算法 | 第40-45页 |
| 3.6.1 神经网络预测网络速度 | 第41-43页 |
| 3.6.2 SVR预测网络速度 | 第43-44页 |
| 3.6.3 PSO优化SVR预测网络速度 | 第44-45页 |
| 3.7 对比分析 | 第45-51页 |
| 3.7.1 PSO优化前后 | 第45-46页 |
| 3.7.2 PSO优化的SVR和神经网络 | 第46-49页 |
| 3.7.3 时间效率对比 | 第49-50页 |
| 3.7.4 趋势预测准确率对比 | 第50-51页 |
| 3.8 总结 | 第51-52页 |
| 第四章 网络速度趋势预测系统设计 | 第52-64页 |
| 4.1 网络速度趋势预测系统 | 第52-53页 |
| 4.2 系统设计 | 第53-63页 |
| 4.2.1 数据库设计 | 第53-55页 |
| 4.2.2 功能模块设计 | 第55-63页 |
| 4.3 总结 | 第63-64页 |
| 第五章 功能实现与性能测试 | 第64-72页 |
| 5.1 核心功能实现 | 第64-70页 |
| 5.1.1 任务下发 | 第64-66页 |
| 5.1.2 数据处理 | 第66-67页 |
| 5.1.3 SVR算法 | 第67-69页 |
| 5.1.4 神经网络 | 第69-70页 |
| 5.2 性能测试 | 第70-71页 |
| 5.2.1 预测值准确率对比 | 第70-71页 |
| 5.2.2 预测趋势正确率对比 | 第71页 |
| 5.2.3 时间效率对比 | 第71页 |
| 5.3 总结 | 第71-72页 |
| 第六章 总结 | 第72-74页 |
| 6.1 本文所做的工作 | 第72-73页 |
| 6.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
| 作者攻读学位期间发表的学术论文目录 | 第77页 |
