首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于中国互联网的P2P-VoIP系统网络域若干关键技术研究

摘要第1-8页
ABSTRACT第8-16页
第一章 绪论第16-32页
   ·课题背景第16-19页
     ·P2P第16-17页
     ·P2P-VoIP第17-19页
   ·相关研究第19-22页
     ·研究现状第19页
     ·之前研究的不足第19-22页
   ·本文的研究内容第22-23页
   ·本文的主要贡献第23-24页
   ·本文的论文结构第24-26页
   ·参考文献第26-32页
第二章 P2P-VOIP相关技术综述第32-42页
   ·P2P概述第32-37页
     ·网络架构第32-34页
     ·P2P的应用领域第34-36页
     ·DHT第36-37页
   ·VoIP概述第37-38页
     ·传统SIP架构第37-38页
   ·P2PSIP概述第38-39页
     ·P2PSIP架构第38-39页
   ·参考文献第39-42页
第三章 中国互联网时延空间的测量与研究第42-72页
   ·引言第42-45页
   ·测量方案第45-48页
     ·KING工作原理第45-46页
     ·主动测量工作原理第46-48页
   ·时延空间特点分析第48-59页
   ·TIV特点分析第59-68页
     ·TIV概述第59-60页
     ·TIV特点第60-64页
     ·TIV原因分析第64-66页
     ·TIV可用性分析第66-68页
   ·小结第68页
   ·参考文献第68-72页
第四章 基于互联网时延空间的节点距离预测方案IDMS第72-100页
   ·引言第72-74页
   ·相关工作第74-76页
     ·主动测量第74页
     ·基于欧式空间的NCS第74-75页
     ·基于矩阵分解的NCS第75-76页
   ·中国互联网时延空间的特点及其在IDMS中的应用第76-77页
   ·IDMS设计第77-85页
     ·系统模型第77-78页
     ·IDMS系统架构第78-83页
     ·时延矩阵构建算法第83-84页
     ·时延矩阵广播算法第84-85页
   ·性能评估第85-95页
     ·预测准确性第86-90页
     ·TIV准确性第90-92页
     ·开销分析第92-94页
     ·节点负载和可扩展性第94-95页
     ·IDMS可行性分析第95页
   ·小结第95-96页
   ·参考文献第96-100页
第五章 基于IDMS和区域划分的超级节点选择算法第100-124页
   ·引言第100-101页
   ·相关工作第101-102页
   ·算法设计第102-113页
     ·衡量标准第102-103页
     ·系统架构第103-104页
     ·区域划分模型第104-106页
     ·参数估计第106-107页
     ·网络初始化过程(NIP)第107-109页
     ·超级节点选择和广播过程(SEPP)第109-110页
     ·超级节点的负载均衡机制,冗余性与可靠性第110-111页
     ·抗扰动性第111-113页
   ·算法模型第113-114页
   ·算法评估第114-120页
     ·访问时延第114页
     ·消息开销第114-116页
     ·收敛时间第116-117页
     ·仿真分析第117-120页
   ·小结第120页
   ·参考文献第120-124页
第六章 基于IDMS的中继节点选择算法第124-142页
   ·引言第124-125页
   ·相关工作第125-126页
   ·中国互联网时延空间特点在中继节点选择算法中的应用第126-127页
   ·算法设计第127-131页
     ·系统架构第127-128页
     ·DHT第128-129页
     ·节点ID和用户ID第129页
     ·节点定义第129页
     ·中继节点选择算法第129-131页
   ·算法评估第131-138页
     ·性能评估第132-135页
     ·开销分析第135-138页
   ·小结第138-139页
   ·参考文献第139-142页
第七章 总结和展望第142-146页
   ·工作总结第142-144页
   ·工作展望第144-146页
附录1 缩略语对照表第146-148页
致谢第148-149页
攻读学位期间发表的学术论文和专利第149页

论文共149页,点击 下载论文
上一篇:基于可信评估的服务组合方法研究
下一篇:基于神经网络集成的增量式学习