摘  要：現(xiàn)在網(wǎng)絡(luò)業(yè)務(wù)流量大并且流量數(shù)據(jù)分析越來(lái)越復(fù)雜，數(shù)據(jù)主要表現(xiàn)出長(zhǎng)相關(guān)特性。好的流量模型必須能夠準(zhǔn)確描述網(wǎng)絡(luò)實(shí)際流量的特征，才能準(zhǔn)確預(yù)測(cè)流量狀況。因此本文在對(duì)網(wǎng)絡(luò)流量進(jìn)行研究分析時(shí)，以已知Hurst指數(shù)的分形高斯噪聲（FGN）序列仿真信號(hào)為主要研究對(duì)象，在原有Hurst指數(shù)估計(jì)方法的基礎(chǔ)上加入滑動(dòng)窗，對(duì)仿真序列進(jìn)行時(shí)變Hurst指數(shù)分析。實(shí)驗(yàn)結(jié)果顯示，與傳統(tǒng)算法的估計(jì)結(jié)果相比，時(shí)變Hurst指數(shù)估計(jì)方法能更好地反映網(wǎng)絡(luò)流量的局部長(zhǎng)相關(guān)特性。 關(guān)鍵詞：網(wǎng)絡(luò)流量；時(shí)變Hurst指數(shù)；滑動(dòng)窗 Abstract: Now the network [登陸后可查看全文]