基于机会连接的移动数据流量卸载策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 基于互补网络的流量卸载研究现状 | 第9-10页 |
| 1.2.2 基于机会连接的流量卸载研究现状 | 第10-11页 |
| 1.3 本文的主要内容及结构安排 | 第11-13页 |
| 2 用户行为统计分析 | 第13-21页 |
| 2.1 数据集信息 | 第13-15页 |
| 2.2 用户移动行为统计分析 | 第15-18页 |
| 2.3 用户上网行为统计分析 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 3 基于用户行为分析的机会连接预测模型 | 第21-38页 |
| 3.1 网络模型 | 第21-24页 |
| 3.2 网络结构和用户行为特征提取 | 第24-32页 |
| 3.3 机会连接预测模型 | 第32-37页 |
| 3.3.1 随机森林算法 | 第32-33页 |
| 3.3.2 仿真实验与分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 完全信息场景中的流量卸载策略 | 第38-51页 |
| 4.1 流量卸载模型与算法 | 第38-46页 |
| 4.1.1 Stackelberg博弈模型 | 第39-42页 |
| 4.1.2 算法设计与实现 | 第42-46页 |
| 4.2 仿真实验与分析 | 第46-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 不完全信息场景中的流量卸载策略 | 第51-63页 |
| 5.1 流量卸载模型与算法 | 第51-59页 |
| 5.1.1 用户流量需求分析 | 第52-53页 |
| 5.1.2 基于强化学习的流量卸载算法 | 第53-59页 |
| 5.2 仿真实验与分析 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 附录B 攻读硕士学位期间申请的发明专利 | 第71-72页 |
| 致谢 | 第72-73页 |
