基于参与式感知的数据采集与传输算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景、目的及意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究目的及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容与章节安排 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 章节安排 | 第14-15页 |
| 第2章 相关理论与技术 | 第15-21页 |
| 2.1 压缩感知算法 | 第15-16页 |
| 2.1.1 压缩感知算法概述 | 第15-16页 |
| 2.1.2 约束等距性 | 第16页 |
| 2.2 信息论 | 第16-18页 |
| 2.2.1 熵的定义 | 第16-17页 |
| 2.2.2 联合熵与条件熵 | 第17页 |
| 2.2.3 相对熵与互信息 | 第17-18页 |
| 2.3 图论 | 第18-20页 |
| 2.3.1 图论简介 | 第18页 |
| 2.3.2 图论中的经典问题 | 第18-19页 |
| 2.3.3 Dijkstra单源最短路径算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于压缩感知和社会关系的数据采集算法 | 第21-41页 |
| 3.1 参与式感知数据采集问题描述 | 第21页 |
| 3.2 算法设计 | 第21-22页 |
| 3.3 基于压缩感知的数据采集算法 | 第22-24页 |
| 3.3.1 场景建模 | 第22-23页 |
| 3.3.2 基于压缩感知的数据随机采样过程 | 第23-24页 |
| 3.4 基于社会关系的数据协同性挖掘算法 | 第24-29页 |
| 3.4.1 社会关系网络介绍 | 第25页 |
| 3.4.2 移动感知节点社会网络特性分析 | 第25-27页 |
| 3.4.3 社会关系建模 | 第27-28页 |
| 3.4.4 社会关系协同性挖掘算法 | 第28-29页 |
| 3.5 基于遗传算法的观测矩阵生成算法 | 第29-31页 |
| 3.5.1 遗传算法简介 | 第29页 |
| 3.5.2 基于遗传算法的观测矩阵优化算法 | 第29-31页 |
| 3.6 基于社会关系协同性的压缩感知数据重构算法 | 第31-34页 |
| 3.6.1 基于社会关系协同性的数据估计 | 第31-34页 |
| 3.6.2 基于压缩感知的数据重构 | 第34页 |
| 3.7 仿真实验与结果分析 | 第34-40页 |
| 3.7.1 实验环境配置 | 第34-36页 |
| 3.7.2 实验结果与分析 | 第36-40页 |
| 3.8 本章小结 | 第40-41页 |
| 第4章 机会网络中基于最短路径的数据传输算法 | 第41-59页 |
| 4.1 机会网络 | 第41-43页 |
| 4.1.1 机会网络的概念和体系结构 | 第41-42页 |
| 4.1.2 机会网络在参与式感知系统中的应用 | 第42-43页 |
| 4.1.3 机会网络的研究热点 | 第43页 |
| 4.2 移动感知节点机会网络特性分析 | 第43-45页 |
| 4.3 机会网络中的数据传输问题分析 | 第45-48页 |
| 4.3.1 问题描述 | 第45-47页 |
| 4.3.2 场景建模 | 第47-48页 |
| 4.4 机会网络中固定节点的优化部署算法 | 第48-53页 |
| 4.4.1 广度优先搜索 | 第48-50页 |
| 4.4.2 基于广度优先搜索的AP节点部署算法 | 第50-53页 |
| 4.5 机会网络中最短路径问题的边赋权算法 | 第53-54页 |
| 4.5.1 问题描述 | 第53页 |
| 4.5.2 基于信息熵的边赋权算法 | 第53-54页 |
| 4.6 算法仿真与结果分析 | 第54-57页 |
| 4.6.1 实验环境配置 | 第54-57页 |
| 4.6.2 算法效果对比分析 | 第57页 |
| 4.7 本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 硕士期间发表的论文及参与的科研项目 | 第66-67页 |
| 作者简介 | 第67页 |
