| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 引言 | 第7-8页 |
| 第一章 绪论 | 第8-11页 |
| ·网络流量研究现状 | 第8-9页 |
| ·网络流量分析理论的发展及现状 | 第8页 |
| ·网络流量建模预测的发展及现状 | 第8-9页 |
| ·本文的主要内容及安排 | 第9-11页 |
| ·本文的主要工作 | 第9-10页 |
| ·论文的结构安排 | 第10-11页 |
| 第二章 网络流量的分形特性研究 | 第11-26页 |
| ·分形理论介绍 | 第11-12页 |
| ·分形概念的引入 | 第11-12页 |
| ·分形与分形维 | 第12页 |
| ·网络流量的采集与一般特性 | 第12-13页 |
| ·网络流量的分形特性 | 第13-25页 |
| ·自相似的数学描述及相关概念 | 第14-15页 |
| ·Hurst 参数的估算方法 | 第15-20页 |
| ·估算方法性能分析 | 第20-23页 |
| ·网络流量的自相似成因及影响 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 网络流量的预测方法及模型研究 | 第26-39页 |
| ·短相关模型 | 第26-29页 |
| ·马尔科夫（Markov）模型 | 第26-27页 |
| ·泊松（Poisson）模型 | 第27-28页 |
| ·回归模型 | 第28-29页 |
| ·传统短相关模型的优缺点 | 第29页 |
| ·自相似模型 | 第29-35页 |
| ·ON/OFF 流量叠加模型 | 第30页 |
| ·FBM/FGN 模型 | 第30-31页 |
| ·FARIMA 模型 | 第31-32页 |
| ·α 稳定分布模型 | 第32-33页 |
| ·自相似模型性能对比 | 第33-35页 |
| ·网络流量预测的新技术 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第四章 基于分形滤波的网络流量预测研究 | 第39-49页 |
| ·分形滤波的实现 | 第39-41页 |
| ·分形滤波的数学描述 | 第39-40页 |
| ·分形滤波的现实 | 第40-41页 |
| ·BP 网络及其算法的改进 | 第41-43页 |
| ·BP 网络 | 第41-42页 |
| ·BP 训练算法 | 第42-43页 |
| ·BP 训练算法的改进 | 第43页 |
| ·相空间重构理论 | 第43-45页 |
| ·相空间重构原理 | 第43-44页 |
| ·嵌入维的计算 | 第44-45页 |
| ·基于分形滤波神经网络的预测模型 | 第45-48页 |
| ·模型概述 | 第45-46页 |
| ·模型自相似过程的产生及拟合 | 第46-47页 |
| ·模型预测算法及步骤 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第五章 预测实验及结果分析 | 第49-62页 |
| ·方案一：FANN 模型的验证及拟合对比分析 | 第49-52页 |
| ·方案二：不同分形维度仿真流量的可预测性分析 | 第52-55页 |
| ·方案三：真实流量分形滤波去长相关神经网络模型预测 | 第55-59页 |
| ·方案四：真实流量分形滤波去短相关神经网络模型预测 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第六章 动态带宽分配 | 第62-68页 |
| ·带宽分配 | 第62-63页 |
| ·基于预测的动态带宽分配 | 第63-64页 |
| ·实验及结果分析 | 第64-67页 |
| ·小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 后记 | 第74-75页 |
| 在学期间公开发表论文及著作情况 | 第75页 |