认知网络端到端态势评估与预测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文研究内容及创新点 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第二章 相关背景知识介绍 | 第16-22页 |
| ·认知网络 | 第16-17页 |
| ·认知网络研究概述 | 第16-17页 |
| ·认知网络主要特点 | 第17页 |
| ·数据融合 | 第17-20页 |
| ·数据融合概念 | 第17-18页 |
| ·数据融合模型 | 第18-19页 |
| ·数据融合方法 | 第19-20页 |
| ·网络态势感知 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 认知网络态势感知模型 | 第22-32页 |
| ·认知网络分层架构 | 第22-25页 |
| ·认知网络态势感知模型 | 第25-31页 |
| ·网络端到端态势等级 | 第27-28页 |
| ·认知网络态势指标体系 | 第28-31页 |
| ·态势可视化 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于 BP 神经网络的认知网络态势评估 | 第32-44页 |
| ·BP 神经网络 | 第33-34页 |
| ·改进 BP 神经网络方法 | 第34-37页 |
| ·基于改进 BP 的认知网络态势评估流程 | 第37-38页 |
| ·实验与仿真 | 第38-43页 |
| ·NS2 网络仿真及结果分析 | 第38-41页 |
| ·Matlab 仿真及结果分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于支持向量机的认知网络态势预测 | 第44-55页 |
| ·支持向量机 | 第44-48页 |
| ·基于 SVM 的网络态势预测方法 | 第48-52页 |
| ·-支持向量回归机 | 第48-49页 |
| ·基于改进粒子群优化的参数选择 | 第49-50页 |
| ·网络态势预测流程 | 第50-52页 |
| ·实验与仿真 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录 2 攻读硕士学位期间申请的专利 | 第61-62页 |
| 附录 3 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |
