面向P2P的网络流量预测技术研究

发布时间：2021-10-22 07:58

　　随着当今社会计算机技术的不断发展,计算机网络的规模也不断的得到了扩展,P2P （peer-to-peer,点对点）网络技术得到的飞速发展,并逐渐占据了互联网业务的大部分,消耗掉了大量的网络带宽,庞大的P2P流量不仅会占据网络中其他应用的带宽,妨碍了其他正常网络业务的开展和某些关键应用的普及,甚至在网络带宽有限的情况下很容易就会引起网络拥塞,大大降低了整个计算机网络的性能,严重的劣化了网络服务质量。因此为了充分利用有限的网络带宽,提高整个网络的服务质量,优化网络流量控制,实现网络中数据的可靠传输以及网络资源的合理分配,对网络中P2P流量的研究就变得非常有必要。本文主要通过对国内外的各种流量预测模型的研究,分析了一些传统流量预测模型和流量预测新技术各自的优缺点和适用面,重点分析了回声状态网络（Echo State Networks, ESN）的模型结构和学习机理,由于它具有远远优于其它神经网络的复杂网络结构,决定了回声状态网络具有良好的非线性逼近能力,使得其在非线性时间序列的预测中取得良好的效果,但是在样本量少和含噪声的问题下,ESN的预测效果并不理想,且ESN模型只能解决有限程度的多尺度... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
目录
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文研究工作
    1.4 论文组织结构
第二章 网络流量预测模型
    2.1 传统流量预测模型
        2.1.1 泊松模型
        2.1.2 马尔科夫模型
        2.1.3 回归模型
    2.2 流量预测新技术
        2.2.1 小波分析理论
        2.2.2 神经网络理论
        2.2.3 支持向量机方法
        2.2.4 混沌理论
第三章 回声状态网络流量预测模型
    3.1 ESN模型结构
    3.2 ESN学习机理
    3.3 ESN的回声效应
第四章 基于ESN和相空间重构的流量预测模型
    4.1 基于ESN和相空间重构模型设计
        4.1.1 计算延迟时间
        4.1.2 计算嵌入维数
        4.1.3 构建流量预测模型并预测
    4.2 实验与分析
        4.2.1 实验数据及性能指标
        4.2.2 实验结果
第五章 小波和ESN结合的流量预测模型
    5.1 小波变换
        5.1.1 小波分析基础
        5.1.2 Mallat算法及单支重构
    5.2 模型设计
        5.2.1 小波分解和重构
        5.2.2 匹配不同的ESN模型,分别预测高低频各分量
        5.2.3 计算预测结果
第六章 实验与分析
    6.1 实验数据
    6.2 评价指标
    6.3 参数设置
    6.4 预测实验结果及分析
第七章 总结
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3450688