毕业论文课题相关文献综述
文 献 综 述1. 前言在如今的社会中计算机网络技术迅速发展，网络给我们提供的服务和应用也越来越丰富,这也意味着对网络的利用率以及容量有着更高要求。
为此，我们必须提高网络管理技术方面的技术，其中最为关键的就是网络流量的预测技术。
精准的网络流量预测能够起到对网络拥塞的预防作用，同时还能知晓网络的动态特性，对流量控制和网络设计都具有积极的意义。
网络流量具有高度的时变性、不确定性、非线性和混沌性等特点。
对于这些问题，像ARMA模型、基于小波算法的网络流量预测模型都拥有各自的一些不足[1-2]。
2. 课题背景网络用户的行为是十分复杂且一直变化着的，网络环境的变化也十分剧烈，因此网络流量的预测技术需要自主地适应网络环境中的种种变化，不需要人工操作；同时能够在各个环境中保持高度的精准度，准确预测网络数据的动态信息。
网络流量预测技术必须有相应的能力去识别流量数据序列中的种种异常数据。
流量数据序列中的这些异常数据一般都是由网络的突发性引起的，与噪声的性质相同，会降低预测的精准度[3-4]。
目前的流量预测算法很多，其中基于卷积神经网络的流量预测模型是具有代表性的。
卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（feedforward neural networks），是深度学习（deep learning）的代表算法之一。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
