| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 主要符号对照表 | 第16-17页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.2 研究现状 | 第19-21页 |
| 1.3 本文主要工作 | 第21-23页 |
| 1.4 本文的组织结构 | 第23-25页 |
| 第二章 理论与技术背景 | 第25-39页 |
| 2.1 软件定义网络 | 第25-28页 |
| 2.1.1 SDN架构 | 第26-27页 |
| 2.1.2 Mininet仿真平台 | 第27-28页 |
| 2.2 Markov决策过程 | 第28-31页 |
| 2.2.1 理论模型 | 第28-29页 |
| 2.2.2 求解算法 | 第29-31页 |
| 2.3 神经元动态规划 | 第31-33页 |
| 2.4 深度学习 | 第33-38页 |
| 2.4.1 自动编码器 | 第34-36页 |
| 2.4.2 栈式自编码器神经网络 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于自适应动态规划的视频接入控制和路由联合优化 | 第39-61页 |
| 3.1 引言 | 第39-41页 |
| 3.2 系统模型 | 第41-43页 |
| 3.3 理论模型 | 第43-51页 |
| 3.3.1 MDP建模 | 第43-46页 |
| 3.3.2 在线最优框架 | 第46-51页 |
| 3.4 实验与性能评估 | 第51-59页 |
| 3.4.1 简单拓扑 | 第52-55页 |
| 3.4.2 复杂拓扑 | 第55-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第四章 基于神经元动态规划的DASH视频路由与码率调整 | 第61-77页 |
| 4.1 引言 | 第61-63页 |
| 4.2 系统模型 | 第63-65页 |
| 4.3 理论模型 | 第65-71页 |
| 4.3.1 基于MDP的优化模型 | 第65-67页 |
| 4.3.2 基于NDP的在线优化算法 | 第67-71页 |
| 4.4 实验与性能评估 | 第71-74页 |
| 4.4.1 实验设置 | 第71-73页 |
| 4.4.2 实验结果 | 第73-74页 |
| 4.5 本章小结 | 第74-77页 |
| 第五章 基于深度学习的SVC视频层数自适应与路由规划 | 第77-99页 |
| 5.1 引言 | 第77-80页 |
| 5.2 系统模型 | 第80-82页 |
| 5.3 理论建模 | 第82-91页 |
| 5.3.1 基于MDP的理论模型 | 第82-85页 |
| 5.3.2 基于NDP的在线学习算法 | 第85-91页 |
| 5.4 实验与性能评估 | 第91-97页 |
| 5.4.1 平均收益 | 第93-95页 |
| 5.4.2 用户接入数 | 第95页 |
| 5.4.3 收敛性和鲁棒性 | 第95-97页 |
| 5.5 本章小结 | 第97-99页 |
| 第六章 总结与展望 | 第99-103页 |
| 6.1 本文总结 | 第99-100页 |
| 6.2 研究展望 | 第100-103页 |
| 参考文献 | 第103-109页 |
| 致谢 | 第109-111页 |
| 在读期间发表的学术论文与取得的研究成果 | 第111-112页 |
