1、计算机应用技术专业毕业论文 精品论文 城域骨干网链路层分类包网络流量自相似性研究关键词：网络流量 分类包 自相似性 Hurst 指数摘要：随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网
2、链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积Hurst 指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作
3、包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。正文内容随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流
4、量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积Hurst 指数原理的基础上引
5、入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurs
6、t 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出
7、现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相
8、似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类
9、包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究
10、对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证
11、实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成
12、为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度
13、解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳
14、网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确
15、定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面
16、，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动
17、态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络
18、流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广
19、域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器
20、排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不
21、确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确
22、快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指
23、数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似
24、性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察
25、网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在
26、链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自
27、相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。随着网络带宽和传输速率的日益增大，各种网络业务飞速发展，网络流量自相似性的研究也逐渐成为热点，广泛应用于路由器排队、路由策略选择、网络
28、测量、网络协议性能分析和网络工程等领域。 但目前自相似性研究对网络流量的采集缺乏具体标准，导致 Hurst 指数的计算不够准确和快捷，出现了网络流量自相似性不确定的问题（Hurst 指数大于 1）：同时在衡量网络流量自相似程度时只使用一个 Hurst 指数，导致自相似性研究过于抽象和笼统，实际应用较困难。为此，本文以城域骨干网链路层流量为研究对象，提出了一种研究网络流量自相似性的新思路：在链路层将流量按字节大小分类形成分类包，通过研究各分类包流量的自相似性，细粒度考察网络流量特征。 本文在累积 Hurst指数原理的基础上引入了最佳网络流量序列长度解决了网络流量自相似性不确定的问题；将评价自相似
29、程度的单一 Hurst 指数分解成多个 Hurst 指数，不同指数表示不同类型分类包流量的自相似性，改变了单一 Hurst 指数研究自相似性过于抽象和笼统的局面，同时在分类包流量自相似性基础上结合具体的流量特征分析方法，实现了细粒度考察网络流量特征，可方便快捷的应用于网络区分服务、网络异常和网络协议性能分析等领域。本文主要工作包括： （1）证实城域骨干网网络流量同广域网和局域网一样都具有自相似性，而且在较大的时间尺度上具有很强的自相似性（Hurst 指数大于 07） 。 （2）解决了自相似性不确定的问题。根据累积 Hurst 指数原理，估算出最佳网络流量序列长度，可准确快速计算 Hurst 指
30、数，并在此基础上提出了在线计算 Hurst 指数算法。 （3）从理论和实验两方面证实城域骨干网各分类包流量和总流量一样呈自相似性；在分类包自相似性的基础上使用动态趋势法和方差分析法考察网络流量特征；并举例说明使用分类包自相似性在网络协议性能分析上的具体应用。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌?U 閩 AZ箾 FTP 鈦X 飼?狛P? 燚?琯嫼 b?袍*甒?颙嫯?
31、4)=r 宵?i?j 彺帖 B3 锝檡骹笪 yLrQ#?0 鯖 l 壛枒l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛渓?擗#?“?# 綫 G 刿#K 芿$?7. 耟?Wa 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 皗 E|?pDb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍
