基于机器学习的蜂窝小区开关算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 技术发展与研究现状 | 第11-13页 |
| 1.3 算法概述 | 第13-21页 |
| 1.3.1. BP神经网络 | 第13-19页 |
| 1.3.2. 模拟退火算法 | 第19-21页 |
| 1.4 论文结构安排 | 第21-23页 |
| 第二章 系统模型 | 第23-27页 |
| 2.1 微小区网络 | 第23-24页 |
| 2.2 模型假设 | 第24-25页 |
| 2.3 优化问题建模 | 第25-27页 |
| 第三章 基于机器学习的小区开关算法 | 第27-45页 |
| 3.1 基于神经网络的初值选择算法 | 第27-37页 |
| 3.1.1. 特征提取 | 第27-29页 |
| 3.1.2. 神经网络的参数设计 | 第29-34页 |
| 3.1.3. 神经网络的离线训练 | 第34-37页 |
| 3.1.4. 神经网络的在线应用 | 第37页 |
| 3.2 小区开关模式优化算法 | 第37-41页 |
| 3.2.1. 基于汉明距离的搜索算法 | 第38-40页 |
| 3.2.2. 基于模拟退火的优化算法 | 第40-41页 |
| 3.3 复杂网络结构下的小区开关算法 | 第41-42页 |
| 3.4 本章小结 | 第42-45页 |
| 第四章 仿真配置与仿真结果分析 | 第45-59页 |
| 4.1 仿真场景 | 第45-47页 |
| 4.2 性能分析 | 第47-55页 |
| 4.2.1. 基于神经网络的初值选择算法性能 | 第49页 |
| 4.2.2. 小区开关模式优化算法的性能 | 第49-50页 |
| 4.2.3. 复杂网络下的小区开关算法的性能 | 第50页 |
| 4.2.4. 参数选择 | 第50-55页 |
| 4.3 复杂度分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 附录一 缩略词表 | 第63-65页 |
| 致谢 | 第65-67页 |
| 作者攻读学位期间发表的学术论文目录 | 第67页 |
