首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于机器学习的工业互联网自适应方法研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第11-21页
    1.1 课题背景及意义第11-12页
    1.2 国内外相关研究进展第12-19页
        1.2.1 工业互联网的发展现状及挑战第13-15页
        1.2.2 LPWAN的发展现状与应用第15-17页
        1.2.3 工业领域中机器学习算法的发展及应用第17-19页
    1.3 本文的主要研究内容及各部分结构安排第19-21页
第2章 工业互联网与低功耗广域互联网第21-31页
    2.1 工业互联网发展背景、架构特征与数据源第21-25页
        2.1.1 工业互联网发展背景第21页
        2.1.2 工业互联网架构及特征第21-23页
        2.1.3 工业互联网数据采集来源第23-25页
    2.2 低功耗广域互联网概述第25-30页
        2.2.1 LPWAN发展背景与关键技术第25-29页
        2.2.2 LPWAN网络架构及特征第29-30页
    2.3 本章小结第30-31页
第3章 POMDP与K-Means聚类算法概述第31-45页
    3.1 部分可观测马尔可夫决策过程第31-37页
        3.1.1 MDP概述第31-33页
        3.1.2 POMDP基本模型第33-35页
        3.1.3 POMDP策略与值函数第35页
        3.1.4 POMDP算法概述第35-37页
    3.2 聚类算法第37-43页
        3.2.1 聚类算法分类第37-38页
        3.2.2 K-means基本流程及算法特点第38-39页
        3.2.3 K-means算法性能度量方法第39-41页
        3.2.4 K-means聚类算法概述第41-42页
        3.2.5 模拟退火算法概述第42-43页
    3.3 本章小结第43-45页
第4章 基于认知无线电和边缘计算的工业无线网络联合资源管理第45-63页
    4.1 引言第45-47页
    4.2 基于认知无线电和边缘计算的工业无线网络架构第47-49页
        4.2.1 网络架构第47-48页
        4.2.2 基于认知无线电与边缘计算的工业无线网络中的数据流第48-49页
    4.3 系统模型第49-50页
        4.3.1 网络模型和服务模型第49-50页
        4.3.2 计算模型第50页
    4.4 动态随机优化问题建模第50-52页
        4.4.1 系统状态空间第50-51页
        4.4.2 动作空间第51页
        4.4.3 收益和优化目标第51-52页
    4.5 解决动态随机优化问题第52-56页
        4.5.1 状态转移概率第52-54页
        4.5.2 更新系统收益第54页
        4.5.3 利用部分可观测马尔可夫决策过程重构第54-56页
        4.5.4 资源管理流程第56页
    4.6 仿真结果和分析第56-62页
        4.6.1 仿真环境第57页
        4.6.2 系统总收益对比第57-59页
        4.6.3 吞吐量对比第59-60页
        4.6.4 传输时延对比第60-62页
    4.7 本章小结第62-63页
第5章 基于K-Means聚类算法的低功耗广域互联网自适应方法第63-83页
    5.1 引言第63-64页
    5.2 基于低功耗广域互联网的工业无线网络架构第64-66页
        5.2.1 网络架构第64-66页
        5.2.2 ADR技术第66页
    5.3 系统模型第66-69页
        5.3.1 无线信道通信模型第66-67页
        5.3.2 系统能耗模型第67-69页
    5.4 网关动态最优选址问题建模第69-71页
        5.4.1 低功耗广域互联网网络能耗第69页
        5.4.2 数据实时性分析第69-70页
        5.4.3 优化目标第70-71页
    5.5 基于KMSA算法的网关动态最优选址问题第71-75页
        5.5.1 优化K-Means算法第71-73页
        5.5.2 模拟退火算法第73-74页
        5.5.3 基于模拟退火的自适应K-Means聚类算法第74-75页
    5.6 仿真结果与分析第75-82页
        5.6.1 仿真环境第75-76页
        5.6.2 确定最优网关数量第76-77页
        5.6.3 聚类结果第77-78页
        5.6.4 算法性能对比第78-80页
        5.6.5 网络生命周期和吞吐量对比第80-82页
    5.7 本章小结第82-83页
结论第83-85页
参考文献第85-93页
攻读硕士学位期间发表的学术论文第93-95页
致谢第95页

论文共95页,点击 下载论文
上一篇:低功耗老年人活动感知技术与应用
下一篇:基于压缩感知的车载传感网数据采集机制研究与实现