| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景与研究意义 | 第16-18页 |
| 1.2 本论文主要工作 | 第18-20页 |
| 1.3 论文结构 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 机会网络数据传输研究综述 | 第22-36页 |
| 2.1 机会网络简介 | 第22-24页 |
| 2.2 以人作为网络终端载体的机会网络的特征和分析技术 | 第24-30页 |
| 2.2.1 人类移动行为特征研究概述 | 第25-26页 |
| 2.2.2 网络拓扑结构分析技术 | 第26-30页 |
| 2.3 机会网络数据传输研究现状 | 第30-35页 |
| 2.3.1 数据转发机制 | 第30-34页 |
| 2.3.2 数据分发机制 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 机会网络节点中心性度量方法 | 第36-60页 |
| 3.1 引言 | 第36-37页 |
| 3.2 时间演化图模型 | 第37-39页 |
| 3.3 机会网络节点局部中心性度量方法 | 第39-41页 |
| 3.4 机会网络节点全局中心性度量方法 | 第41-46页 |
| 3.4.1 基于传输时延的全局中心性度量方法 | 第41-44页 |
| 3.4.2 基于社会属性的全局中心性度量方法 | 第44-46页 |
| 3.5 实验分析 | 第46-58页 |
| 3.5.1 数据集介绍 | 第47页 |
| 3.5.2 节点中心性有效性分析 | 第47-56页 |
| 3.5.3 节点全局中心性排名与局部中心性排名相关性分析 | 第56-58页 |
| 3.6 本章小结 | 第58-60页 |
| 第四章 机会网络节点中心性预测模型 | 第60-73页 |
| 4.1 引言 | 第60-61页 |
| 4.2 节点中心性时序非线性预测模型 | 第61-64页 |
| 4.2.1 基于牛顿插值法的训练集插值策略 | 第61-63页 |
| 4.2.2 BP神经网络算法 | 第63-64页 |
| 4.3 实验分析 | 第64-72页 |
| 4.3.1 数据集介绍 | 第65页 |
| 4.3.2 节点的过去中心性与未来中心性的相关性分析 | 第65-68页 |
| 4.3.3 预测结果分析 | 第68-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 机会网络中基于节点社会属性的数据转发算法 | 第73-89页 |
| 5.1 引言 | 第73-74页 |
| 5.2 基于时间演化图模型的节点间关系紧密度测量方法 | 第74-78页 |
| 5.3 基于社会属性的转发中心性度量方法 | 第78-80页 |
| 5.4 SRBet数据转发算法 | 第80-81页 |
| 5.5 实验分析 | 第81-88页 |
| 5.5.1 数据集介绍 | 第81页 |
| 5.5.2 节点过去转发中心性代替未来转发中心性的可行性分析 | 第81-84页 |
| 5.5.3 实验结果 | 第84-88页 |
| 5.6 本章小结 | 第88-89页 |
| 第六章 机会网络中基于节点社会属性的发布订阅路由算法 | 第89-107页 |
| 6.1 引言 | 第89-90页 |
| 6.2 节点全局熵中心性度量方法 | 第90-91页 |
| 6.3 基于社会属性的社区划分算法 | 第91-93页 |
| 6.3.1 社会连接探测方法 | 第92页 |
| 6.3.2 分布式社区划分算法 | 第92-93页 |
| 6.4 发布/订阅路由算法 | 第93-96页 |
| 6.4.1 建立发布/订阅系统 | 第93-94页 |
| 6.4.2 路由算法 | 第94-96页 |
| 6.5 实验分析 | 第96-105页 |
| 6.5.1 数据集介绍 | 第96-97页 |
| 6.5.2 全局熵中心性度量方法有效性分析 | 第97-100页 |
| 6.5.3 基于社会属性的社区划分算法有效性分析 | 第100-102页 |
| 6.5.4 路由协议性能分析 | 第102-105页 |
| 6.6 本章小结 | 第105-107页 |
| 第七章 结束语 | 第107-109页 |
| 7.1 论文总结 | 第107-108页 |
| 7.2 进一步的研究工作 | 第108-109页 |
| 参考文献 | 第109-119页 |
| 缩略语 | 第119-120页 |
| 致谢 | 第120-121页 |
| 攻读学位期间发表的学术论文目录 | 第121页 |
