| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究的内容和意义 | 第10-12页 |
| 1.2 国内外研究现状分析 | 第12-13页 |
| 1.3 论文内容与章节安排 | 第13-14页 |
| 第二章 基于机器学习的快速切换算法技术基础 | 第14-36页 |
| 2.1 切换决策问题相关机器学习技术 | 第14-27页 |
| 2.1.1 回归算法与神经网络模型 | 第14-18页 |
| 2.1.2 强化学习 | 第18-27页 |
| 2.2 802.11网络中高速切换技术 | 第27-34页 |
| 2.2.1 802.11系统标准切换算法 | 第27-30页 |
| 2.2.2 高速移动环境下切换算法的优化方法 | 第30-31页 |
| 2.2.3 高铁环境下V2I系统中位置触发的切换算法 | 第31-34页 |
| 2.3 本章总结 | 第34-36页 |
| 第三章 基于机器学习的快速切换算法研究 | 第36-41页 |
| 3.1 基于机器学习的快速切换算法流程 | 第36页 |
| 3.2 基于神经网络模型的快速切换算法 | 第36-39页 |
| 3.3 基于马尔可夫决策过程的快速切换算法 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于机器学习的快速切换算法仿真分析 | 第41-55页 |
| 4.1 高铁场景仿真实现简介 | 第41-42页 |
| 4.1.1 仿真平台简介 | 第41-42页 |
| 4.1.2 基于NS3和Theano的仿真算法流程 | 第42页 |
| 4.2 高速环境信道仿真 | 第42-47页 |
| 4.2.1 高铁环境下无线信道模型的建立 | 第42-45页 |
| 4.2.2 高铁环境仿真参数设置 | 第45-47页 |
| 4.3 NS-3与Theano平台下基于机器学习的切换算法仿真实现 | 第47-49页 |
| 4.3.1 NS-3下高铁通信仿真实现 | 第47-48页 |
| 4.3.2 机器学习过程的实现 | 第48-49页 |
| 4.4 基于机器学习的快速切换算法仿真分析 | 第49-53页 |
| 4.4.1 基于神经网络回归模型的算法仿真结果 | 第49-51页 |
| 4.4.2 基于马尔可夫决策过程的算法仿真结果 | 第51-53页 |
| 4.5 802. 11协议切换算法仿真性能分析 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 论文总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55页 |
| 5.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
