提要 | 第1-8页 |
第1章 绪论 | 第8-17页 |
·IEEE 802.11 WLAN 概述 | 第8-11页 |
·IEEE 802.11 WLAN 的发展 | 第11-12页 |
·移动预测的意义 | 第12-14页 |
·移动预测领域的研究现状 | 第14-15页 |
·本文工作与组织形式 | 第15-17页 |
第2章 基于Markov 模型的移动路径预测算法 | 第17-43页 |
·引言 | 第17页 |
·多阶Markov 模型的状态空间膨胀问题 | 第17-19页 |
·多步Markov 模型 | 第19-20页 |
·二步Markov 预测器的条件熵分析 | 第20-26页 |
·二步Markov 预测器的预测精度及计算复杂性分析 | 第21-24页 |
·二步Markov 预测器的普适性分析 | 第24-26页 |
·多步Markov 模型小结 | 第26页 |
·基于多步模型的混合Markov 模型 | 第26-39页 |
·混合Markov 模型的提出 | 第26-27页 |
·混合Markov 模型的参数求解 | 第27-28页 |
·混合Markov 预测器的预测算法描述 | 第28-30页 |
·混合Markov 预测器的复杂性分析 | 第30-32页 |
·混合Markov 预测器的误差分析 | 第32-35页 |
·混合Markov 模型的应用性能分析 | 第35-39页 |
·混合Markov 模型小结 | 第39页 |
·动态混合Markov 模型 | 第39-40页 |
·集成Markov 模型 | 第40-42页 |
·小结 | 第42-43页 |
第3章 基于神经网络的移动预测算法 | 第43-62页 |
·引言 | 第43页 |
·基于BP 神经网络的移动预测 | 第43-49页 |
·数据样本集预处理 | 第44-45页 |
·BP 神经网络结构的确定 | 第45-47页 |
·Matlab 中BP 网络的建立和训练 | 第47页 |
·实验结果及分析 | 第47-49页 |
·基于Elman 神经网络的移动预测 | 第49-61页 |
·Elman 神经网络基础 | 第49-53页 |
·改进的Elman 神经网络模型 | 第53-59页 |
·改进Elman 神经网络在移动预测中的应用 | 第59-61页 |
·小结 | 第61-62页 |
第4章 基于数据挖掘的移动路径预测方法 | 第62-78页 |
·引言 | 第62-63页 |
·移动用户移动问题描述 | 第63-64页 |
·Mpp 方法的具体步骤及算法 | 第64-69页 |
·移动模式挖掘 | 第64-66页 |
·根据模式匹配进行预测 | 第66-69页 |
·Mpp 方法评估 | 第69-71页 |
·Mpp 方法优点 | 第69-70页 |
·实验结果及比较 | 第70-71页 |
·Mpp 方法的关键 | 第71页 |
·移动模式数据库的增量式更新 | 第71-77页 |
·PDIU 算法 | 第73-76页 |
·实验结果及比较 | 第76-77页 |
·小结 | 第77-78页 |
第5章 基于HMM 的移动预测算法的探讨 | 第78-91页 |
·引言 | 第78页 |
·HMM 基础及应用 | 第78-80页 |
·与HMM 相关的移动预测问题定义 | 第80-81页 |
·基于HMM 的移动预测算法 | 第81-89页 |
·建立移动预测问题的隐Markov 模型 | 第81-82页 |
·基于隐Markov 模型的移动预测 | 第82-89页 |
·小结 | 第89-91页 |
第6章 基于移动预测的MAC 层切换算法 | 第91-103页 |
·引言 | 第91页 |
·WLAN 中的MAC 层切换问题 | 第91-94页 |
·基于移动预测的MAC 层切换算法 | 第94-99页 |
·用于预测的加权有向图算法 | 第95-96页 |
·基于移动预测的信道扫描方案 | 第96-99页 |
·理论分析及仿真 | 第99-102页 |
·理论分析 | 第99-100页 |
·仿真及结果分析 | 第100-102页 |
·小结 | 第102-103页 |
第7章 总结与展望 | 第103-105页 |
参考文献 | 第105-117页 |
攻读博士学位期间发表的论文及其他成果 | 第117-121页 |
致谢 | 第121-122页 |
中文摘要 | 第122-125页 |
Abstract | 第125-128页 |