无线传感器网络中基于时空相关性的数据预测技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景 | 第11-18页 |
| 1.1.1 无线传感器网络概述 | 第11-12页 |
| 1.1.2 无线传感器网络的发展 | 第12-13页 |
| 1.1.3 无线传感器网络的应用 | 第13-14页 |
| 1.1.4 无线传感器网络系统架构 | 第14-16页 |
| 1.1.5 无线传感器网络的特点与关键技术 | 第16-18页 |
| 1.2 研究意义 | 第18-19页 |
| 1.3 本文内容安排及主要贡献 | 第19-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第2章 无线传感器网络数据预测技术 | 第22-34页 |
| 2.1 研究现状 | 第22-24页 |
| 2.2 数据预测技术 | 第24-31页 |
| 2.2.1 数据预测技术概述 | 第24-25页 |
| 2.2.2 基于时间序列预测模型 | 第25-28页 |
| 2.2.3 神经网络预测模型 | 第28-29页 |
| 2.2.4 马尔科夫预测模型 | 第29-31页 |
| 2.3 无线传感器网络数据时空相关性 | 第31-33页 |
| 2.3.1 数据的空间相关性 | 第31-32页 |
| 2.3.2 数据的时间相关性 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于马尔科夫链的空间相关性数据预测算法 | 第34-48页 |
| 3.1 分簇网络 | 第34-39页 |
| 3.2 基于马尔科夫链的空间相关性数据预测算法 | 第39-47页 |
| 3.2.1 网络模型 | 第39-40页 |
| 3.2.2 算法模型与定义 | 第40-43页 |
| 3.2.3 算法描述 | 第43-45页 |
| 3.2.4 算法验证及分析 | 第45-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第4章 自适应时间相关性数据预测算法 | 第48-59页 |
| 4.1 灰色预测算法 | 第48-51页 |
| 4.2 自适应时间相关性数据预测算法 | 第51-58页 |
| 4.2.1 算法模型与定义 | 第51-56页 |
| 4.2.2 算法描述 | 第56-57页 |
| 4.2.3 算法验证及分析 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 仿真实验 | 第59-66页 |
| 5.1 仿真内容 | 第59-60页 |
| 5.2 网络模型 | 第60-61页 |
| 5.3 无线通信能耗模型 | 第61页 |
| 5.4 仿真参数 | 第61-63页 |
| 5.5 仿真结果及分析 | 第63-65页 |
| 5.6 本章小结 | 第65-66页 |
| 总结与展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 作者简介 | 第74页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第74-75页 |
