| 中文摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题背景 | 第11页 |
| ·课题研究的目的和意义 | 第11-12页 |
| ·LAN/WLAN集成网络的组成及特点 | 第12-13页 |
| ·网络可靠性研究的现状及其发展 | 第13-17页 |
| ·可靠性定义研究 | 第13-14页 |
| ·可靠性指标研究 | 第14-16页 |
| ·可靠性分析方法研究 | 第16页 |
| ·网络可靠性研究的发展趋势 | 第16-17页 |
| ·本论文采用的理论方法和主要研究内容 | 第17-19页 |
| 第二章 一种非线性改变惯性权重的粒子群算法 | 第19-27页 |
| ·概述 | 第19页 |
| ·基本PSO算法 | 第19-22页 |
| ·基本PSO算法原理 | 第19-20页 |
| ·基本PSO算法流程 | 第20-22页 |
| ·基本PSO算法分析 | 第22页 |
| ·一种非线性改变惯性权重的粒子群算法 | 第22-26页 |
| ·问题的提出 | 第22-23页 |
| ·算法描述 | 第23页 |
| ·函数优化实验及结果分析 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于PSO-BP算法的LAN/WLAN集成网络可靠性预测 | 第27-50页 |
| ·概述 | 第27-35页 |
| ·BP神经网络的基本原理和流程 | 第27-31页 |
| ·BP神经网络存在的问题 | 第31-32页 |
| ·一种基于PSO的BP神经网络改进算法 | 第32-35页 |
| ·用PSO-BP算法预测LAN/WLAN集成网络的可靠性 | 第35-49页 |
| ·定义 | 第35-40页 |
| ·预测模型 | 第40-41页 |
| ·实验设计 | 第41-42页 |
| ·结果分析与比较 | 第42-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于SVM的LAN/WLAN集成网络可靠性预测模型 | 第50-69页 |
| ·统计学习理论与支持向量机 | 第50-59页 |
| ·机器学习及经验风险最小化 | 第50-51页 |
| ·统计学习理论及结构风险最小化 | 第51-52页 |
| ·标准支持向量分类机 | 第52-57页 |
| ·支持向量回归学习机 | 第57-59页 |
| ·基于支持向量回归估计的LAN/WLAN集成网络可靠性预测模型 | 第59-61页 |
| ·常用的模型形式及模型参数选择 | 第59页 |
| ·常用的核函数形式及核函数参数选择 | 第59-60页 |
| ·回归模型的训练 | 第60-61页 |
| ·实验及其结果分析与比较 | 第61-68页 |
| ·建立样本及实验设计 | 第61-62页 |
| ·参数选择 | 第62页 |
| ·精度衡量标准 | 第62页 |
| ·结果分析与比较 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 基于Petri网的LAN/WLAN集成网络建模及其可靠性评估 | 第69-81页 |
| ·随机Petri网的基本原理及建模流程 | 第69-73页 |
| ·随机Petri网的基本原理 | 第69-71页 |
| ·随机Petri网的建模流程 | 第71-73页 |
| ·基于SPN对LAN/WLAN集成网络建模 | 第73-77页 |
| ·LAN/WLAN系统描述 | 第73-74页 |
| ·基于SPN对LAN/WLAN建模 | 第74-75页 |
| ·SPN模型的可达树及可达图 | 第75页 |
| ·同构马尔可夫链 | 第75-77页 |
| ·RTS/CTS机制下的性能分析及计算结果 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-84页 |
| 参考文献 | 第84-93页 |
| 攻读硕士学位期间发表和录用的论文 | 第93-94页 |
| 致谢 | 第94-95页 |
| 个人简况及联系方式 | 第95-96页 |
