中职学校网络流量分析及预测研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目标和意义 | 第11-12页 |
| 1.2.1 研究目标 | 第11页 |
| 1.2.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 论文研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 2 网络流量特性分析 | 第15-23页 |
| 2.1 自相似性和长相关性 | 第15-19页 |
| 2.1.1 自相似性 | 第15-17页 |
| 2.1.2 长相关性 | 第17-19页 |
| 2.2 周期性 | 第19-22页 |
| 2.3 突发性和混沌性 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 BP神经网络流量预测模型 | 第23-33页 |
| 3.1 神经网络原理 | 第23-25页 |
| 3.1.1 神经元结构模型 | 第23-24页 |
| 3.1.2 神经网络的分类 | 第24-25页 |
| 3.2 BP神经网络预测模型 | 第25-32页 |
| 3.2.1 BP神经网络结构 | 第25-26页 |
| 3.2.2 BP神经网络流量预测算法 | 第26-29页 |
| 3.2.3 BP神经网络预测模型设计的关键问题 | 第29-32页 |
| 3.3 流量预测评价指标 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 中职学校BP神经网络流量预测模型设计 | 第33-53页 |
| 4.1 研究样本分析 | 第33-35页 |
| 4.1.1 学校基本状况 | 第33页 |
| 4.1.2 校园网络整体部署 | 第33-35页 |
| 4.1.3 上网行为审计系统情况 | 第35页 |
| 4.2 样本采集及归一化处理 | 第35-40页 |
| 4.3 BP神经网络参数选取 | 第40-41页 |
| 4.4 MATLAB中BP神经网络M程序实现 | 第41页 |
| 4.5 训练过程 | 第41-44页 |
| 4.6 实验验证 | 第44-52页 |
| 4.7 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 硕士在读期间取得成果 | 第58-59页 |
| 致谢 | 第59页 |
