| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 研究挑战与创新点 | 第16-19页 |
| 1.3 相关工作介绍 | 第19-22页 |
| 1.3.1 物联网的建模及开发方法研究 | 第19-20页 |
| 1.3.2 价格时间自动机及统计模型检验的相关研究 | 第20-21页 |
| 1.3.3 机器学习在物联网中的应用 | 第21-22页 |
| 1.4 本文组织结构 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第二章 相关理论介绍 | 第24-32页 |
| 2.1 物联网ThingML设计建模 | 第24-25页 |
| 2.2 价格时间自动机理论 | 第25-28页 |
| 2.3 统计模型检验及UPPAAL-SMC工具 | 第28-30页 |
| 2.4 神经网络算法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 不确定环境下ThingML建模与分析 | 第32-48页 |
| 3.1 ThingML量化评估框架 | 第32-33页 |
| 3.2 物联网中不确定性分析 | 第33-34页 |
| 3.3 扩展的ThingML语法语义 | 第34-38页 |
| 3.3.1 不确定环境下的物联网事物 | 第34-36页 |
| 3.3.2 不确定环境下的物联网设计 | 第36-38页 |
| 3.4 NPTA模型自动生成 | 第38-45页 |
| 3.4.1 后台配置生成 | 第40-42页 |
| 3.4.2 前端模型生成 | 第42-45页 |
| 3.5 物联网设计服务质量量化分析 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 不确定环境下物联网设计参数寻优 | 第48-56页 |
| 4.1 ThingML参数寻优框架 | 第48-49页 |
| 4.2 ThingML设计参数寻优方法 | 第49-55页 |
| 4.2.1 特征向量生成 | 第52页 |
| 4.2.2 回归模型生成 | 第52-54页 |
| 4.2.3 自动化训练过程 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 工具与案例研究 | 第56-70页 |
| 5.1 本文工具链 | 第56-59页 |
| 5.2 客户服务器模型性能分析 | 第59-62页 |
| 5.3 空调控制系统案例分析 | 第62-68页 |
| 5.3.1 量化分析 | 第63-65页 |
| 5.3.2 参数寻优 | 第65-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-74页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间发表论文和科研情况 | 第82页 |