| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 本文的主要工作 | 第16页 |
| 1.4 课题来源 | 第16-17页 |
| 第2章 网络流量特征及分析 | 第17-29页 |
| 2.1 概述 | 第17-18页 |
| 2.2 网络流量特征 | 第18-23页 |
| 2.2.1 自相似性 | 第18-20页 |
| 2.2.2 多分形性 | 第20页 |
| 2.2.3 重尾分布 | 第20-21页 |
| 2.2.4 长短相关性 | 第21-23页 |
| 2.3 网络流量模型 | 第23-25页 |
| 2.3.1 泊松模型 | 第23-24页 |
| 2.3.2 马尔科夫模型 | 第24-25页 |
| 2.3.3 性能评价 | 第25页 |
| 2.4 网络流量分析 | 第25-28页 |
| 2.4.1 网络级流量 | 第25-26页 |
| 2.4.2 网络流量预测 | 第26-27页 |
| 2.4.3 仿真数据来源 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于MWM的网络流量建模与预测算法 | 第29-53页 |
| 3.1 概述 | 第30-37页 |
| 3.1.1 小波变换理论 | 第30-35页 |
| 3.1.2 网络流量约束条件 | 第35-37页 |
| 3.2 基于MWM的网络流量预测模型 | 第37-42页 |
| 3.2.1 问题描述 | 第38页 |
| 3.2.2 模型介绍 | 第38-42页 |
| 3.3 基于MWM的网络流量预测算法 | 第42-44页 |
| 3.3.1 算法描述 | 第42页 |
| 3.3.2 算法步骤 | 第42-44页 |
| 3.4 仿真结果及分析 | 第44-52页 |
| 3.4.1 仿真环境及参数 | 第44页 |
| 3.4.2 预测结果分析 | 第44-48页 |
| 3.4.3 预测误差分析 | 第48-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 联合AR与BPNN模型的网络流量建模与预测算法 | 第53-75页 |
| 4.1 概述 | 第54-61页 |
| 4.1.1 AR模型 | 第54-55页 |
| 4.1.2 BPNN模型 | 第55-61页 |
| 4.2 联合AR与BPNN模型的网络流量预测模型 | 第61-64页 |
| 4.2.1 问题描述 | 第61页 |
| 4.2.2 模型分析 | 第61-64页 |
| 4.3 联合AR与BPNN模型的网络流量预测算法 | 第64-65页 |
| 4.3.1 策略分析 | 第64页 |
| 4.3.2 算法描述 | 第64-65页 |
| 4.3.3 算法步骤 | 第65页 |
| 4.4 仿真结果及分析 | 第65-74页 |
| 4.4.1 仿真环境及参数 | 第66页 |
| 4.4.2 预测结果分析 | 第66-69页 |
| 4.4.3 预测误差比较 | 第69-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第5章 联合GM与WGN的网络流量建模与预测算法 | 第75-93页 |
| 5.1 概述 | 第75-81页 |
| 5.1.1 问题分析 | 第75-76页 |
| 5.1.2 GM与WGN | 第76-81页 |
| 5.2 联合GM与WGN的网络流量预测模型 | 第81-82页 |
| 5.2.1 问题定义 | 第81页 |
| 5.2.2 模型介绍 | 第81-82页 |
| 5.3 联合GM与WGN的网络流量预测算法 | 第82-84页 |
| 5.3.1 策略分析 | 第82-83页 |
| 5.3.2 算法描述 | 第83-84页 |
| 5.3.3 算法步骤 | 第84页 |
| 5.4 仿真结果及分析 | 第84-92页 |
| 5.4.1 仿真环境及参数 | 第84-85页 |
| 5.4.2 仿真结果与误差分析 | 第85-88页 |
| 5.4.3 三种算法对比分析 | 第88-92页 |
| 5.5 本章小结 | 第92-93页 |
| 第6章 总结 | 第93-95页 |
| 6.1 工作总结 | 第93-94页 |
| 6.2 未来展望 | 第94-95页 |
| 参考文献 | 第95-103页 |
| 致谢 | 第103-105页 |
| 攻读硕士学位期间发表的论文 | 第105页 |
| 攻读硕士学位期间参与的科研项目 | 第105页 |