| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-18页 |
| 第二章 超密集网络与缓存策略介绍 | 第18-26页 |
| 2.1 超密集网络 | 第18页 |
| 2.2 缓存与缓存策略介绍 | 第18-22页 |
| 2.2.1 缓存介绍 | 第18-20页 |
| 2.2.2 缓存策略 | 第20-22页 |
| 2.3 协同过滤算法 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于用户请求预测的缓存决策策略 | 第26-42页 |
| 3.1 系统模型 | 第26-27页 |
| 3.2 基于k-mediods算法的用户聚类 | 第27-31页 |
| 3.2.1 k-mediods算法介绍 | 第27-28页 |
| 3.2.2 基于k-mediods算法的用户聚类过程 | 第28-31页 |
| 3.3 基于协同过滤算法的用户请求预测 | 第31-33页 |
| 3.3.1 协同过滤算法用于缓存策略的基本思路 | 第31-32页 |
| 3.3.2 基于协同过滤算法的用户请求预测过程 | 第32-33页 |
| 3.4 基于用户请求预测的小小区缓存决策策略 | 第33-34页 |
| 3.4.1 基于用户请求预测的内容流行度预测算法 | 第33页 |
| 3.4.2 基于用户请求预测的缓存决策策略流程 | 第33-34页 |
| 3.5 仿真分析 | 第34-40页 |
| 3.5.1 仿真数据和仿真参数设置 | 第34-36页 |
| 3.5.2 仿真结果分析 | 第36-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于内容流行度预测的缓存替换策略 | 第42-56页 |
| 4.1 系统模型 | 第42-43页 |
| 4.2 基于差分自回归移动平均模型的内容请求次数预测 | 第43-47页 |
| 4.2.1 差分自回归移动平均模型介绍 | 第44-45页 |
| 4.2.2 基于差分自回归移动平均模型的内容请求次数预测过程 | 第45-47页 |
| 4.3 基于请求次数预测的小小区缓存替换策略 | 第47-50页 |
| 4.3.1 基于请求次数预测的内容流行度预测算法 | 第47-48页 |
| 4.3.2 基于内容流行度预测的缓存替换策略流程 | 第48-50页 |
| 4.4 仿真分析 | 第50-55页 |
| 4.4.1 仿真数据和仿真参数设置 | 第50-51页 |
| 4.4.2 仿真结果分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 缩略语表 | 第62-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表或已录用的学术论文 | 第66页 |
