| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 第二章 相关技术研究 | 第14-28页 |
| ·网络流量概述 | 第14页 |
| ·流数据特征 | 第14-15页 |
| ·流测量技术 | 第15-16页 |
| ·时间序列概述 | 第16-17页 |
| ·时间序列分类 | 第17-18页 |
| ·时间序列预测 | 第18-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 网络流量数据特征研究 | 第28-34页 |
| ·网络流量自相似性概述 | 第28-29页 |
| ·网络流量自相似性 | 第28页 |
| ·R/S 重标极差分析法 | 第28-29页 |
| ·网络流量自相似性验证 | 第29-31页 |
| ·实验数据的选取 | 第29-30页 |
| ·网络流量自相似性验证 | 第30-31页 |
| ·网络流量突发性验证 | 第31-32页 |
| ·网络流量突发性概述 | 第31页 |
| ·网络流量突发性验证 | 第31-32页 |
| ·网络流量漂移性验证 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于改进遗传算法的网络流量预测技术 | 第34-52页 |
| ·网络流量数据分析 | 第34-36页 |
| ·数据来源 | 第34页 |
| ·数据特点分析 | 第34-36页 |
| ·数据预处理技术 | 第36-37页 |
| ·离群点的检验和处理 | 第36-37页 |
| ·缺损值的补足 | 第37页 |
| ·基于遗传算法的模型优化技术 | 第37-41页 |
| ·传统的遗传算法 | 第37-39页 |
| ·改进的遗传算法 | 第39-40页 |
| ·实验分析 | 第40-41页 |
| ·改进遗传算法与最近研究成果对比 | 第41页 |
| ·基于改进遗传算法的流量预测优化研究 | 第41-50页 |
| ·基于改进遗传算法优化BP 神经网络的网络流量预测 | 第41-46页 |
| ·基于改进遗传算法优化RBF 神经网络的网络流量预测 | 第46-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 网络流量预测系统的实现 | 第52-62页 |
| ·系统整体设计 | 第52-54页 |
| ·系统概述 | 第52-53页 |
| ·所用语言及平台 | 第53-54页 |
| ·数据采集模块 | 第54-55页 |
| ·系统配置模块 | 第55-58页 |
| ·预测模块 | 第58-59页 |
| ·界面展示 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 结束语 | 第62-64页 |
| ·本文总结 | 第62页 |
| ·下一步的研究 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者在学期间取得的学术成果 | 第70页 |