| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 移动终端发展现状 | 第9-10页 |
| 1.1.2 移动终端及其应用潜在能耗问题 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 分类与预测模型研究 | 第12-13页 |
| 1.2.2 移动终端能耗优化研究 | 第13-14页 |
| 1.3 研究内容及创新点 | 第14-16页 |
| 1.4 文章架构 | 第16-17页 |
| 第二章 移动社交应用能耗优化理论研究 | 第17-31页 |
| 2.1 移动社交应用能耗研究 | 第17-19页 |
| 2.1.1 移动社交应用研究 | 第17-18页 |
| 2.1.2 刷新信息能耗研究 | 第18-19页 |
| 2.2 DVFS调频技术研究 | 第19-21页 |
| 2.3 序列分类模型研究 | 第21-26页 |
| 2.3.1 决策树分类方法 | 第21-22页 |
| 2.3.2 线性判别分析分类方法 | 第22页 |
| 2.3.3 逻辑回归分类方法 | 第22-23页 |
| 2.3.4 支持向量机分类方法 | 第23-24页 |
| 2.3.5 主流分类方法简单对比分析 | 第24-26页 |
| 2.4 序列预测模型研究 | 第26-30页 |
| 2.4.1 情景感知技术研究 | 第27页 |
| 2.4.2 马尔可夫性研究 | 第27-28页 |
| 2.4.3 马尔可夫链应用研究 | 第28-29页 |
| 2.4.4 马尔科夫决策过程研究 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 结合网络感知与CPU动态调节的能耗优化方法 | 第31-47页 |
| 3.1 相关技术理论研究 | 第31-34页 |
| 3.1.1 PCA降维算法理论研究 | 第31-32页 |
| 3.1.2 SVM分类方法理论研究 | 第32-34页 |
| 3.2 移动社交应用场景与CPU刷新功耗数据采集分析 | 第34-40页 |
| 3.2.1 社交应用服务环境搭建 | 第34-36页 |
| 3.2.2 社交应用中不同场景数据样本采集 | 第36-38页 |
| 3.2.3 社交应用中不同模式刷新功率分析 | 第38-40页 |
| 3.3 PCA-SVM能耗优化方法 | 第40-44页 |
| 3.3.1 智能调频能耗分析 | 第40-42页 |
| 3.3.2 PCA-SVM能耗优化模型 | 第42-44页 |
| 3.4 实验评估与分析 | 第44-45页 |
| 3.4.1 仿真实验设计 | 第44页 |
| 3.4.2 实验结果与分析 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于移动社交内容动态刷新的MDP能耗优化方法 | 第47-59页 |
| 4.1 相关技术理论研究 | 第47-49页 |
| 4.1.1 马尔可夫决策过程理论研究 | 第47页 |
| 4.1.2 马尔可夫决策过程迭代方法研究 | 第47-49页 |
| 4.2 移动社交应用网络强度与图片刷新功率数据采集分析 | 第49-51页 |
| 4.2.1 社交应用中不同强度网络信号数据采集 | 第49-50页 |
| 4.2.2 社交应用中不同格式图片刷新功率分析 | 第50-51页 |
| 4.3 基于MDP能耗优化方法 | 第51-56页 |
| 4.3.1 MDP能耗优化状态集 | 第51-55页 |
| 4.3.2 混合网络切换能耗优化方法 | 第55-56页 |
| 4.4 实验评估与分析 | 第56-58页 |
| 4.4.1 仿真实验设计 | 第56-57页 |
| 4.4.2 实验结果与分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 总结 | 第59-60页 |
| 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的科研成果 | 第65-67页 |
| 致谢 | 第67-69页 |
