基于超限学习机的WSNs链路质量评估方法
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究内容 | 第9-10页 |
| 1.3 本文组织结构 | 第10-12页 |
| 第2章 WSNs链路质量研究现状 | 第12-21页 |
| 2.1 链路特性 | 第12-15页 |
| 2.1.1 链路时间特性 | 第12-13页 |
| 2.1.2 链路空间特性 | 第13-15页 |
| 2.1.3 链路非对称性 | 第15页 |
| 2.2 链路质量评估方法 | 第15-19页 |
| 2.2.1 基于软件的链路质量评估方法 | 第16页 |
| 2.2.2 基于硬件的链路质量评估方法 | 第16-17页 |
| 2.2.3 综合性链路质量评估方法 | 第17-18页 |
| 2.2.4 基于机器学习的链路质量评估方法 | 第18-19页 |
| 2.3 超限学习机的相关研究 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 相关理论基础 | 第21-30页 |
| 3.1 链路质量评估基础 | 第21-24页 |
| 3.1.1 链路质量监测方式 | 第21-22页 |
| 3.1.2 链路质量测量参数 | 第22-24页 |
| 3.2 前馈神经网络分类理论 | 第24-26页 |
| 3.2.1 前馈神经网络多分类原理 | 第24-26页 |
| 3.2.2 BP神经网络 | 第26页 |
| 3.3 超限学习机理论 | 第26-29页 |
| 3.3.1 经典超限学习机 | 第27-28页 |
| 3.3.2 加权超限学习机 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 链路质量评估 | 第30-43页 |
| 4.1 链路质量评估主要过程 | 第30页 |
| 4.2 链路质量监测 | 第30-31页 |
| 4.3 链路质量参数选取 | 第31-33页 |
| 4.4 链路质量等级划分 | 第33页 |
| 4.5 构建ELM链路质量评估模型 | 第33-41页 |
| 4.5.1 模型结构的确定 | 第34页 |
| 4.5.2 模型的优化 | 第34-35页 |
| 4.5.3 激活函数的选择 | 第35页 |
| 4.5.4 参数的设置 | 第35-37页 |
| 4.5.5 样本的预处理 | 第37-39页 |
| 4.5.6 模型的训练 | 第39-41页 |
| 4.6 模型评价 | 第41-42页 |
| 4.7 本章小结 | 第42-43页 |
| 第5章 实验设计及分析 | 第43-64页 |
| 5.1 实验平台介绍 | 第43-44页 |
| 5.1.1 硬件平台 | 第43页 |
| 5.1.2 软件平台 | 第43-44页 |
| 5.2 实验方案设计 | 第44-47页 |
| 5.2.1 实验场景描述 | 第44-46页 |
| 5.2.2 实验参数设置 | 第46-47页 |
| 5.2.3 实验方案描述 | 第47页 |
| 5.3 实验结果与分析 | 第47-63页 |
| 5.3.1 链路特性分析与验证 | 第47-51页 |
| 5.3.2 激活函数选择与模型构建 | 第51-60页 |
| 5.3.3 不同模型训练方法分析比较 | 第60-61页 |
| 5.3.4 不同评估模型性能分析比较 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间参与课题情况 | 第71-72页 |
| 攻读硕士学位期间发表论文、著作权及获奖情况 | 第72-73页 |
| 致谢 | 第73-74页 |
