| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究状况 | 第10-11页 |
| 1.3 本课题主要工作 | 第11页 |
| 1.4 本文的章节安排 | 第11-13页 |
| 第二章 网络态势感知相关关键技术 | 第13-18页 |
| 2.1 网络态势感知技术 | 第13-14页 |
| 2.1.1 模型架构 | 第13-14页 |
| 2.1.2 优势分析 | 第14页 |
| 2.2 聚类算法 | 第14-16页 |
| 2.3 预测算法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 基于网络态势感知的聚类与预测算法研究 | 第18-43页 |
| 3.1 引言 | 第18页 |
| 3.2 基于真实网络反馈的K-means改进算法 | 第18-36页 |
| 3.2.1 K-means聚类算法 | 第19-20页 |
| 3.2.2 基于真实网络反馈的K-means算法 | 第20-29页 |
| 3.2.3 仿真与分析 | 第29-36页 |
| 3.3 联合马尔可夫预测模型与BP神经网络的预测算法 | 第36-42页 |
| 3.3.1 采样频率的确定 | 第37页 |
| 3.3.2 联合马尔可夫预测模型与BP神经网络的预测算法 | 第37-39页 |
| 3.3.3 仿真与分析 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 结合绿色能源的新型拓扑管理策略 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 结合绿色能源的新型拓扑管理策略 | 第43-52页 |
| 4.2.1 绿色能源感知 | 第43-44页 |
| 4.2.2 拓扑管理算法 | 第44-45页 |
| 4.2.3 结合绿色能源的新型拓扑管理策略 | 第45-52页 |
| 4.3 仿真与评估 | 第52-56页 |
| 4.3.1 仿真场景设定 | 第52页 |
| 4.3.2 TMAG算法性能评估 | 第52-54页 |
| 4.3.3 TMAG算法与其他算法的比较 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 作者攻读学位期间发表的学术论文目录 | 第63页 |