| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 可信网络研究现状 | 第12-14页 |
| 1.2.2 信任模型研究现状 | 第14-17页 |
| 1.3 本文的主要工作 | 第17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第二章 可信网络概述 | 第19-26页 |
| 2.1 可信网络的体系结构 | 第19-21页 |
| 2.2 可信网络连接 | 第21-23页 |
| 2.3 可信网络信任模型 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 第三章 DyTrust 信任模型的改进 | 第26-41页 |
| 3.1 DyTrust 信任模型概述 | 第26-27页 |
| 3.2 A-DyTrust 信任模型 | 第27-34页 |
| 3.2.1 风险函数的引入 | 第27-28页 |
| 3.2.2 直接信任算法的改进 | 第28-30页 |
| 3.2.3 A-Dytrust 信任模型 | 第30-34页 |
| 3.3 仿真结果及分析 | 第34-40页 |
| 3.3.1 NetLogo 简介 | 第34页 |
| 3.3.2 仿真参数设置 | 第34-35页 |
| 3.3.3 动态自适应性对比 | 第35-38页 |
| 3.3.4 反馈信息有效聚合能力的对比 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 基于 Hopfield 神经网络的网络信任度评估方法 | 第41-55页 |
| 4.1 人工神经网络与 Hopfield 神经网络 | 第41-44页 |
| 4.1.1 人工神经网络 | 第41-43页 |
| 4.1.2 Hopfield 网络结构 | 第43-44页 |
| 4.2 网络信任度评估方法 | 第44-47页 |
| 4.2.1 Hopfield 网络学习规则 | 第44-45页 |
| 4.2.2 网络信任度评估实现算法 | 第45-46页 |
| 4.2.3 节点信任值等级编码规则设计 | 第46-47页 |
| 4.3 Matlab 仿真过程 | 第47-51页 |
| 4.3.1 Matlab 概述 | 第47页 |
| 4.3.2 仿真流程图 | 第47-48页 |
| 4.3.3 Hopfield 神经网络平衡点的计算 | 第48-49页 |
| 4.3.4 节点信任值等级编码 | 第49-51页 |
| 4.3.5 Hopfield 神经网络的建立 | 第51页 |
| 4.4 仿真结果及分析 | 第51-54页 |
| 4.5 小结 | 第54-55页 |
| 第五章 总结和展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 成果目录 | 第61-62页 |
| 致谢 | 第62页 |
