带噪声抑制的流量矩阵估计方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 流量矩阵定义 | 第12-15页 |
| 1.3 流量矩阵的获取方法 | 第15-16页 |
| 1.4 流量矩阵估计模型 | 第16-19页 |
| 1.5 本文研究内容 | 第19-20页 |
| 1.6 论文结构及内容安排 | 第20-21页 |
| 第二章 流量矩阵估计研究方法概述 | 第21-31页 |
| 2.1 流量矩阵估计概述 | 第21-22页 |
| 2.2 无先验信息估计方法 | 第22-24页 |
| 2.2.1 主成分分析法 | 第22-23页 |
| 2.2.2 线性规划法 | 第23-24页 |
| 2.3 确定性先验模型估计方法 | 第24-26页 |
| 2.3.1 基于混合高斯分布的流量矩阵估计 | 第24-25页 |
| 2.3.2 基于混合均匀分布的流量矩阵估计 | 第25-26页 |
| 2.4 其它估计算法 | 第26-29页 |
| 2.4.1 基于一阶矩和二阶矩的估计方法 | 第26-27页 |
| 2.4.2 独立连接模型 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于LENS矩阵分解的流量矩阵估计算法 | 第31-47页 |
| 3.1 LENS矩阵分解算法 | 第31-33页 |
| 3.2 基于LENS矩阵分解的流量矩阵估计算法 | 第33-39页 |
| 3.2.1 流量矩阵数据分析 | 第33-36页 |
| 3.2.2 基于LENS分解的流量矩阵估计算法 | 第36-39页 |
| 3.3 仿真结果与分析 | 第39-46页 |
| 3.3.1 无噪声环境仿真分析 | 第40-45页 |
| 3.3.2 算法的鲁棒性分析 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于迭代加权搜索的流量矩阵估计算法 | 第47-66页 |
| 4.1 网络层析成像的重力模型 | 第47-51页 |
| 4.1.1 简单重力模型 | 第47-49页 |
| 4.1.2 流量矩阵估计模型 | 第49-51页 |
| 4.2 基于迭代加权搜索的流量矩阵估计算法 | 第51-56页 |
| 4.2.1 迭代搜索求解算法 | 第51-53页 |
| 4.2.2 加权矩阵的设置 | 第53-55页 |
| 4.2.3 迭代加权搜索算法 | 第55-56页 |
| 4.3 仿真结果与分析 | 第56-64页 |
| 4.3.1 无噪声环境仿真分析 | 第57-61页 |
| 4.3.2 高斯白噪声环境下仿真分析 | 第61-62页 |
| 4.3.3 脉冲噪声环境下仿真分析 | 第62-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 结论 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 攻读硕士学位期间的研究成果 | 第71-72页 |
