声明
摘要
第1章 绪论
1.1 问题的提出与研究意义
1.2 国内外研究现状及发展动态分析
1.3 课题研究内容
1.4 论文组织结构
第2章 网络HMM模型
2.1 马尔科夫模型
2.2 隐马尔科夫模型
2.3 伪周期T
2.3.1 求解最佳伪周期是NP完全问题
2.3.2 伪周期T的近似求解算法
2.4 HMM对未来状态的预测
2.4.1 未来状态的1步预测
2.4.2 未来状态的k步预测
2.5 HMM状态数确定
2.5.1 GMM与BIC
2.5.2 GMM成分确定
2.6 网络HMM实验及其结果分析
2.6.1 伪周期T的求解
2.6.2 HMM状态个数的求解
2.6.3 HMM状态预测
2.7 本章小结
第3章 时延生成模型
3.1 引言
3.2 时延生成模型
3.2.1 相关术语
3.2.2 DGM符号解释
3.3 DGM图模型
3.3.1 生成过程
3.3.2 Gibbs Sampling
3.3.3 DGM概率公式的推导
3.4 DGM训练算法
3.5 DGM模型估计
3.5.1 文档-主题之间的概率分布
3.5.2 主题-前字-当前字之间的概率分布
3.5.3 主题-字分布
3.5.4 主题时间标签的Beta分布
3.6 生成随机长度的时延序列
3.7 本章小结
第四章 关键技术及实验验证
4.1 引言
4.2 时延抖动
4.3 链路利用率
4.4 吞吐率
4.5 丢包率
4.6 网络仿真实验
4.6.1 仿真软件NS2
4.6.2 仿真实验的设计
4.6.3 基于HMM-DGM的时延数据预测
4.6.4 发送窗口
4.6.5 链路利用率
4.6.6 吞吐率
4.6.7 时延抖动
4.5.8 时延以及丢包率
4.7 本章小结
第5章 结论与展望
参考文献
攻读硕士学位期间发表的学术论文及其它成果
致谢