| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-27页 |
| 1.1 光网络技术的发展 | 第11-16页 |
| 1.2 光网络面临的关键问题 | 第16-23页 |
| 1.2.1 光网络拥塞产生的原因 | 第17页 |
| 1.2.2 光网络的RWA技术 | 第17-23页 |
| 1.3 国内外研究进展 | 第23-25页 |
| 1.3.1 国外研究现状 | 第23-24页 |
| 1.3.2 国内研究现状 | 第24-25页 |
| 1.4 论文结构与主要工作 | 第25-27页 |
| 第二章 机器学习在光网络拥塞控制中的应用 | 第27-35页 |
| 2.1 机器学习的基本原理 | 第27-30页 |
| 2.1.1 光网络性能的数据特征 | 第27-28页 |
| 2.1.2 机器学习算法的选取 | 第28-30页 |
| 2.2 BP神经网络算法的建模 | 第30-32页 |
| 2.3 本章小结 | 第32-35页 |
| 第三章 基于BP-ANN预测光网络拥塞度方案 | 第35-43页 |
| 3.1 网络拥塞度预测原理 | 第35-38页 |
| 3.1.1 光网络拥塞度定义 | 第35-36页 |
| 3.1.2 基于BP-ANN的光网络拥塞度预测建模 | 第36-38页 |
| 3.2 BP-ANN预测光网络拥塞度的仿真平台 | 第38-40页 |
| 3.3 光网络拥塞度预测结果和分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 SDON中基于性能感知的动态带宽分配算法 | 第43-61页 |
| 4.1 性能感知和预测原理 | 第43-46页 |
| 4.2 SDON中基于性能感知的动态带宽分配算法的关键技术 | 第46-50页 |
| 4.2.1 基于SDN的软件定义光网络控制平面 | 第46-47页 |
| 4.2.2 PA-DBA系统结构 | 第47-50页 |
| 4.3 算法描述 | 第50-53页 |
| 4.3.1 网络基本假设 | 第50-51页 |
| 4.3.2 术语定义及数学模型 | 第51-53页 |
| 4.4 系统性能仿真与结果分析 | 第53-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 论文工作总结及存在的问题 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69页 |