声明
第1章 绪论
1.1 研究背景及研究意义
1.2 相关技术国内外研究现状
1.2.1 相关技术国外研究现状
1.2.2 相关技术国内研究现状
1.3 论文的主要研究工作与组织架构
1.3.1 论文的主要研究工作
1.3.2 论文的组织结构
第2章 相关技术概述
2.1 张量的基本概述
2.2 张量的基本数学定义
2.3 张量分解算法
2.3.1 CP分解算法
2.3.2 Tucker分解算法
2.4 张量填充概述
2.5 小结
第3章 用于精准网络监控的神经张量填充模型
3.1 问题描述
3.2 解决方案概述
3.3 NTC模型详述
3.3.1 输入和嵌入层
3.3.2 交互映射层
3.3.3 特征提取层
3.3.4 预测层
3.4 理论分析
3.4.1 NTC模型捕获高阶特征的能力
3.4.2 传统张量填充算法是NTC模型的特例
3.5 真实数据集实验仿真
3.5.1 仿真设置
3.5.2 模型分析与讨论
3.5.3 性能对比
3.6 真实网络平台实验
3.7 小结
第4章 用于更全面特征提取的融合型神经张量填充模型
4.1 问题与挑战
4.2 解决方案概述
4.3 FuNTC模型详述
4.3.1 输入和嵌入层
4.3.2 特征提取层
4.3.3 特征融合层
4.3.4 预测层
4.4 真实数据集实验仿真
4.4.1 仿真设置
4.4.2 模型分析与讨论
4.4.3 性能对比
4.5 真实网络平台实验
4.6 小结
结论
参考文献
致谢
附录A 发表论文和参加科研情况说明
湖南大学;