| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究意义 | 第9-11页 |
| 1.3 论文研究的内容和结构 | 第11-14页 |
| 1.3.1 论文研究的内容 | 第11-13页 |
| 1.3.2 论文的结构 | 第13-14页 |
| 第二章 Femtocell的网络分析和切换过程简介 | 第14-25页 |
| 2.1 Femtocell的网络架构 | 第14-16页 |
| 2.2 Femtocell面临的关键性技术问题 | 第16-21页 |
| 2.2.1 干扰抑制问题 | 第17-18页 |
| 2.2.2 接入控制问题 | 第18-19页 |
| 2.2.3 时间同步问题 | 第19页 |
| 2.2.4 小区切换问题 | 第19-20页 |
| 2.2.5 链路自适应问题 | 第20-21页 |
| 2.3 Femtocell网络的切换过程 | 第21-25页 |
| 2.3.1 Macrocell小区向Femtocell小区的切换 | 第21-23页 |
| 2.3.2 Femtocell小区向Macrocell小区的切换 | 第23-24页 |
| 2.3.3 Femtocell小区之间的切换 | 第24-25页 |
| 第三章 自组织网络 | 第25-29页 |
| 3.1 自组织网络的概述 | 第25页 |
| 3.2 自组织网络的主要功能 | 第25-26页 |
| 3.3 自主计算与SON的关系 | 第26-27页 |
| 3.4 自组织网络在小区切换过程中的应用 | 第27-29页 |
| 第四章 SOM和K-means结合算法的应用 | 第29-46页 |
| 4.1 SOM算法简介 | 第29-32页 |
| 4.1.1 SOM算法工作原理 | 第29-30页 |
| 4.1.2 SOM算法实现的基本流程 | 第30-32页 |
| 4.1.3 SOM算法的优缺点 | 第32页 |
| 4.2 K-means算法简介 | 第32-35页 |
| 4.2.1 K-means算法工作原理 | 第32-33页 |
| 4.2.2 K-means算法实现的基本流程 | 第33-34页 |
| 4.2.3 K-means算法的优缺点 | 第34-35页 |
| 4.3 SOM+K-means算法在Femtocell切换过程中的应用 | 第35-36页 |
| 4.4 贝叶斯信息准则概述 | 第36-37页 |
| 4.4.1 贝叶斯定理 | 第36-37页 |
| 4.4.2 贝叶斯信息准则 | 第37页 |
| 4.5 核函数的概念及其应用 | 第37-39页 |
| 4.5.1 核函数的基本概念和分类 | 第37-39页 |
| 4.5.2 核函数在机器学习邻域的应用 | 第39页 |
| 4.6 KSOM算法在Femtocell切换过程中应用 | 第39-46页 |
| 4.6.1 利用BIC确定聚类数目的方法 | 第40-42页 |
| 4.6.2 基于核函数的SOM+K-means算法的计算过程 | 第42-46页 |
| 第五章 建立仿真模型和分析算法性能 | 第46-57页 |
| 5.1 建立仿真模型和设定仿真参数 | 第46-48页 |
| 5.2 仿真结果的分析 | 第48-50页 |
| 5.3 测试KSOM算法的性能 | 第50-57页 |
| 5.3.1 用户位置误差对KSOM算法的影响 | 第50-52页 |
| 5.3.2 KSOM算法对切换性能指标的影响 | 第52-54页 |
| 5.3.3 三种算法的性能比较 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 全文总结 | 第57-58页 |
| 6.2 未来展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |
