基于贝叶斯网络的链路质量预测机制研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 链路特性研究现状 | 第9-10页 |
| 1.2.2 链路质量预测研究现状 | 第10-13页 |
| 1.2.3 贝叶斯网络研究现状 | 第13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 链路质量参数 | 第16-22页 |
| 2.1 基于硬件的链路质量参数 | 第16-19页 |
| 2.2 基于软件的链路质量参数 | 第19-20页 |
| 2.3 综合性的链路质量参数 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 贝叶斯网络理论基础 | 第22-29页 |
| 3.1 贝叶斯网络 | 第22-26页 |
| 3.1.1 贝叶斯网络的表达 | 第22-24页 |
| 3.1.2 贝叶斯网络的学习 | 第24-25页 |
| 3.1.3 贝叶斯网络的推理 | 第25-26页 |
| 3.2 动态贝叶斯网络 | 第26-28页 |
| 3.2.1 动态贝叶斯网络的表达 | 第26-27页 |
| 3.2.2 动态贝叶斯网络的学习 | 第27-28页 |
| 3.2.3 动态贝叶斯网络的推理 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 链路质量预测模型 | 第29-40页 |
| 4.1 链路质量预测模型建立的主要过程 | 第29-30页 |
| 4.2 链路质量参数的选取 | 第30-31页 |
| 4.3 基于K-means聚类的参数离散化 | 第31-32页 |
| 4.4 链路质量等级的划分 | 第32-35页 |
| 4.4.1 链路质量等级的定义 | 第32页 |
| 4.4.2 链路质量参数权重的确定 | 第32-33页 |
| 4.4.3 基于贴近度分析法的链路质量等级评价 | 第33-35页 |
| 4.5 基于BN的链路质量评估模型 | 第35-37页 |
| 4.5.1 BN结构的确定 | 第35-36页 |
| 4.5.2 BN的参数学习 | 第36页 |
| 4.5.3 BN评估模型的推理 | 第36-37页 |
| 4.6 基于DBN的链路质量预测模型 | 第37-39页 |
| 4.6.1 DBN结构的确定 | 第37-38页 |
| 4.6.2 DBN模型的参数学习 | 第38页 |
| 4.6.3 DBN模型的预测推理 | 第38-39页 |
| 4.7 本章小结 | 第39-40页 |
| 第5章 实验设计与分析 | 第40-62页 |
| 5.1 实验平台介绍 | 第40-46页 |
| 5.1.1 硬件平台 | 第40-42页 |
| 5.1.2 软件平台 | 第42-46页 |
| 5.2 实验方案设计 | 第46-48页 |
| 5.2.1 实验场景选择 | 第46-47页 |
| 5.2.2 实验参数设置 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-61页 |
| 5.3.1 样本数据相关性分析 | 第48-49页 |
| 5.3.2 链路质量等级划分的验证 | 第49-51页 |
| 5.3.3 BN评估模型的仿真实现 | 第51-53页 |
| 5.3.4 BN评估模型的验证与对比 | 第53-56页 |
| 5.3.5 DBN预测模型的仿真实现 | 第56-58页 |
| 5.3.6 DBN预测模型的验证与对比 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间参与课题情况 | 第68-69页 |
| 攻读硕士学位期间发表论文、著作权及获奖情况 | 第69-70页 |
| 致谢 | 第70-71页 |
