| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 异构无线网络简介 | 第10-11页 |
| 1.2 异构无线网络模型 | 第11-13页 |
| 1.3 异构无线资源管理技术 | 第13-14页 |
| 1.4 网络接入选择研究 | 第14-15页 |
| 1.5 本文的研究目的和内容 | 第15-18页 |
| 第二章 异构无线网络的网络选择机制研究 | 第18-24页 |
| 2.1 网络选择机制的研究 | 第18-19页 |
| 2.2 网络选择算法的研究 | 第19-23页 |
| 2.2.1 基于效用理论的网络选择算法 | 第19-20页 |
| 2.2.2 基于多属性决策的网络选择算法 | 第20-21页 |
| 2.2.3 基于模糊逻辑理论的网络选择算法 | 第21页 |
| 2.2.4 基于博弈论的网络选择算法 | 第21-22页 |
| 2.2.5 基于马尔科夫的网络决策选择算法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于差异化效用的修正余弦相似度网络选择算法 | 第24-41页 |
| 3.1 网络选择算法研究 | 第24-26页 |
| 3.2 多属性决策算法中的属性赋权 | 第26-27页 |
| 3.3 影响网络选择的因素 | 第27-28页 |
| 3.4 基于差异化效用的网络属性赋权 | 第28-35页 |
| 3.4.1 基于差异化效用的网络属性归一化方法 | 第28-33页 |
| 3.4.2 熵值法计算网络属性权重 | 第33-35页 |
| 3.5 修正的余弦相似度网络选择算法 | 第35-40页 |
| 3.5.1 相似度度量（Similarity） | 第35-36页 |
| 3.5.2 余弦相似度 | 第36-39页 |
| 3.5.3 修正的余弦相似度的网络选择算法 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于L-M贝叶斯正则化的BP神经网络信号预测 | 第41-55页 |
| 4.1 网络切换触发机制 | 第41-42页 |
| 4.2 人工神经网络 | 第42-44页 |
| 4.2.1 人工神经网络的特点 | 第42-43页 |
| 4.2.2 人工神经网络分类 | 第43页 |
| 4.2.3 人工神经网络能力评估 | 第43-44页 |
| 4.3 BP神经网络介绍 | 第44-49页 |
| 4.3.1 BP神经网络算法模型 | 第44-47页 |
| 4.3.2 BP神经网络算法存在的局限性及改进方法介绍 | 第47-49页 |
| 4.4 L-M贝叶斯正则化的BP神经网络 | 第49-53页 |
| 4.4.1 L-M（Levenberg-Marquardt）算法原理 | 第49-50页 |
| 4.4.2 贝叶斯正则化算法 | 第50-52页 |
| 4.4.3 基于L-M贝叶斯正则化的BP神经网络算法流程 | 第52-53页 |
| 4.5 基于L-M贝叶斯正则化BP神经网络的信号预测模型 | 第53-54页 |
| 4.5.1 终端接受信号强度建模： | 第53页 |
| 4.5.2 基于L-M贝叶斯正则化BP神经网络的信号预测流程 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 实验仿真 | 第55-68页 |
| 5.1 基于CUFACS的多属性异构无线网络接入选择仿真 | 第55-61页 |
| 5.2 基于L-M的贝叶斯正则化BP神经网络接受信号强度回归预测仿真 | 第61-66页 |
| 5.3 本章小结 | 第66-68页 |
| 总结及展望 | 第68-70页 |
| 本文总结 | 第68页 |
| 仍需要努力的方向 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
