文摘
英文文摘
声明
第一章绪论
1.1课题研究的背景
1.2研究现状
1.3研究的意义
1.4研究方法与技术路线
第二章时间序列分析简介
2.1时间序列分析简介
2.1.1时间序列分析
2.1.2时间序列预测
2.2混沌时间序列分析
2.2.1混沌吸引子的特征量
2.2.2混沌时间序列的判别方法
2.3本章小结
第三章网络流量的特性
3.1自相似性
3.1.1自相似性的概念
3.1.2自相似过程的参数估计方法
3.1.3自相似性对网络性能的影响
3.2长相关特性
3.2.1长相关流量的概念
3.2.2长相关(LRD)序列
3.2.3长相关序列估计算法
3.3混沌特性
3.3.1模型的建立
3.3.2分析的原理
3.3.3 Hurst参数的估计
3.3.4系统复杂程度
3.3.5网络流量的Lyapunov指数
3.3.6网络数据长相关性的去除
3.3.7去长相关的网络流量系统动力学特性分析
3.4本章小结
第四章网络流量的相空间重构方法
4.1引言
4.2相空间重构理论
4.2.1相空间重构和Takens定理
4.2.2小波变换改进相空间重构模型
4.2.3小波变换重构理论的比较试验
4.3网络流量混沌时间序列最佳延迟时间τ的确定方法
4.3.1自相关函数法
4.3.2互信息量法
4.3.3平均位移法
4.3.4改进自相关法
4.3.5分析实验
4.4网络流量混沌时间序列吸引子及其维数
4.4.1饱和关联维数(G—P)法
4.4.2虚假最近临点法方法
4.4.3 Cao氏方法
4.4.4奇异值分解
4.4.5分析试验
4.5网络流量混沌时间序列的最大Lyapunov指数
4.5.1 Wolf方法
4.5.2 Jacobian方法
4.5.3小数据量方法
4.6本章小结
第五章网络流量混沌时间序列的预测
5.1引言
5.2全局预测法
5.3局域法
5.3.1零阶局域预测
5.3.2加权零阶局域预测
5.3.3局域非线性预测法
5.3.4基于最大Lyapunov指数的预测方法
5.4自适应预测模型
5.4.1 Volterra级数自适应预测模型
5.4.2 Volterra级数自适应预测试验
5.5基于神经网络的时间序列预测方法
5.5.1小波神经网络
5.5.2小波函数简介
5.5.3小波神经网络及学习算法
5.6网络流量预测的比较试验
5.7本章小结
第六章结束语
致谢
参考文献
附录:作者在攻读硕士学位期间发表的论文