| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-24页 |
| ·研究无线局域网业务流特性的意义 | 第9-10页 |
| ·网络业务流统计特性研究 | 第10-15页 |
| ·网络业务自相似性的发现 | 第10-11页 |
| ·自相似过程的定义及性质 | 第11-13页 |
| ·无线局域网业务流统计特性研究 | 第13-15页 |
| ·网络业务流混沌特性研究 | 第15-17页 |
| ·混沌的概述 | 第15-16页 |
| ·有线网络业务流混沌特性研究 | 第16-17页 |
| ·无线局域网混沌特性研究 | 第17页 |
| ·网络业务流预报技术研究 | 第17-21页 |
| ·常用网络业务预报技术 | 第18-20页 |
| ·无线局域网业务流预报 | 第20-21页 |
| ·选题动机 | 第21-22页 |
| ·论文贡献 | 第22-23页 |
| ·论文结构 | 第23-24页 |
| 第二章 无线局域网业务流的统计特性 | 第24-46页 |
| ·引言 | 第24页 |
| ·实验数据来源 | 第24-28页 |
| ·Stanford大学WaveLAN无线局域网 | 第24-25页 |
| ·ACM SIGCOMM’01 会议数据 | 第25-27页 |
| ·天津大学WLAN实验床 | 第27-28页 |
| ·数据包到达间隔的统计特性分析 | 第28-36页 |
| ·下行业务流数据包到达间隔的分布检验 | 第28-32页 |
| ·下行业务流数据包达到间隔的自相似性分析 | 第32-34页 |
| ·上行业务流数据包达到间隔的统计特性分析 | 第34-36页 |
| ·聚集业务流的非平稳性分析 | 第36-39页 |
| ·单位根检验ADF | 第36-37页 |
| ·聚集业务流的非平稳性分析 | 第37-39页 |
| ·聚集业务流的自相似性分析 | 第39-45页 |
| ·小结 | 第45-46页 |
| 第三章 无线局域网业务流的混沌特性 | 第46-61页 |
| ·引言 | 第46页 |
| ·功率谱分析 | 第46-47页 |
| ·相空间重构理论 | 第47-48页 |
| ·识别混沌的方法 | 第48-52页 |
| ·主分量分析 | 第48-49页 |
| ·关联维数 | 第49-51页 |
| ·最大Lyapunov指数 | 第51-52页 |
| ·无线局域网业务流的混沌特性分析 | 第52-57页 |
| ·功率谱分析 | 第52-54页 |
| ·主分量分析 | 第54-55页 |
| ·关联维数 | 第55-56页 |
| ·最大Lyapunov指数 | 第56-57页 |
| ·延迟时间和嵌入维数对检验网络业务流混沌特性的影响 | 第57-60页 |
| ·延迟时间对检验网络业务流混沌特性的影响 | 第57-59页 |
| ·嵌入维数对检验网络业务流混沌特性的影响 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第四章 基于SVM的无线局域网业务预报 | 第61-87页 |
| ·引言 | 第61页 |
| ·统计学习理论 | 第61-64页 |
| ·经验风险最小化原则 | 第62页 |
| ·VC维 | 第62-63页 |
| ·结构风险最小化原则 | 第63-64页 |
| ·SVM基本原理 | 第64-68页 |
| ·线性可分 | 第64-66页 |
| ·线性不可分 | 第66-67页 |
| ·SVM | 第67-68页 |
| ·SVM回归理论 | 第68-72页 |
| ·SVM回归算法 | 第68-70页 |
| ·核函数 | 第70-71页 |
| ·SVM中的优化算法 | 第71-72页 |
| ·基于SVM的无线局域网业务流一步预报 | 第72-77页 |
| ·模型核函数和参数选择 | 第72-73页 |
| ·预报评价指标 | 第73-74页 |
| ·基于SVM的一步预报 | 第74-77页 |
| ·和其他预报技术的比较 | 第77-83页 |
| ·基于SVM的无线局域网业务流多步预报 | 第83-86页 |
| ·业务流最大预报时间长度的度量 | 第83页 |
| ·基于SVM的多步预报 | 第83-86页 |
| ·小结 | 第86-87页 |
| 第五章 总结与展望 | 第87-90页 |
| ·全文总结 | 第87-88页 |
| ·研究展望 | 第88-90页 |
| 参考文献 | 第90-103页 |
| 发表论文和科研情况说明 | 第103-105页 |
| 附录常用网络业务预报技术 | 第105-110页 |
| 致谢 | 第110页 |