| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 引言 | 第13-14页 |
| 1.2 课题研究的动机与意义 | 第14-16页 |
| 1.3 国内外研究历史与现状 | 第16-19页 |
| 1.4 本文的主要贡献与创新 | 第19-20页 |
| 1.5 本论文的结构安排 | 第20-22页 |
| 第二章 基于机器学习的路由决策架构设计 | 第22-39页 |
| 2.1 软件定义网络 | 第22-25页 |
| 2.1.1 架构描述 | 第22-24页 |
| 2.1.2 OpenFlow流的转发 | 第24-25页 |
| 2.2 动态路由决策 | 第25-28页 |
| 2.3 机器学习概述 | 第28-30页 |
| 2.4 网络环境描述 | 第30-32页 |
| 2.5 基于机器学习的路由决策架构设计 | 第32-38页 |
| 2.5.1 架构概览 | 第32-33页 |
| 2.5.2 路由决策元层的组成 | 第33-34页 |
| 2.5.3 训练数据采集和路径数据库构建过程 | 第34-35页 |
| 2.5.4 模型训练过程 | 第35-36页 |
| 2.5.5 动态路由决策过程 | 第36-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 改进的深度学习模型 | 第39-60页 |
| 3.1 深度学习概述 | 第39-42页 |
| 3.2 受限玻尔兹曼机 | 第42-47页 |
| 3.3 分类受限玻尔兹曼机 | 第47-49页 |
| 3.4 提出的条件分类玻尔兹曼机 | 第49-58页 |
| 3.4.1 binary-binary条件分类玻尔兹曼机 | 第51-53页 |
| 3.4.2 Gaussian-binary条件分类玻尔兹曼机 | 第53-58页 |
| 3.5 本章小结 | 第58-60页 |
| 第四章 仿真实验 | 第60-70页 |
| 4.1 训练数据采集及路径数据库构建 | 第61-64页 |
| 4.1.1 OMNeT++网络仿真器简介 | 第61-62页 |
| 4.1.2 数据采集过程 | 第62-64页 |
| 4.1.3 路径数据库构建 | 第64页 |
| 4.2 模型训练 | 第64-65页 |
| 4.3 动态路由决策 | 第65-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士期间取得的研究成果 | 第76-77页 |