認(rèn)知網(wǎng)絡(luò)的數(shù)據(jù)傳輸機(jī)制

第1章 緒論
1．1 研究背景
1．1．1 認(rèn)知網(wǎng)絡(luò)
1．1．2 社群智能
1．1．3 機(jī)會(huì)網(wǎng)絡(luò)
1．2 問(wèn)題的提出
1．2．1 背景
1．2．2 研究現(xiàn)狀
1．3 本書(shū)的主要研究?jī)?nèi)容
1．3．1 主要研究?jī)?nèi)容
1．3．2 創(chuàng)新點(diǎn)
第2章 相關(guān)理論基礎(chǔ)
2．1 馬爾可夫預(yù)測(cè)
2．1．1 馬爾可夫鏈
2．1．2 轉(zhuǎn)移概率
2．2 群體智能優(yōu)化算法
2．2．1 概述
2．2．2 蟻群優(yōu)化算法
2．3 拍賣(mài)理論
2．3．1 正向拍賣(mài)
2．3．2 反向拍賣(mài)
2．4 機(jī)會(huì)網(wǎng)絡(luò)
2．4．1 機(jī)會(huì)網(wǎng)絡(luò)信譽(yù)管理
2．4．2 機(jī)會(huì)網(wǎng)絡(luò)激勵(lì)策略
2．5 社交網(wǎng)絡(luò)
2．5．1 概述
2．5．2 社交網(wǎng)絡(luò)分析
2．6 機(jī)會(huì)社交網(wǎng)絡(luò)
2．7 社區(qū)發(fā)現(xiàn)
2．7．1 概述
2．7．2 典型社區(qū)發(fā)現(xiàn)算法
2．8 博弈論基礎(chǔ)
2．8．1 博弈的概念
2．8．2 合作博弈論
2．8．3 博弈論模型
2．9 本章小結(jié)
第3章 認(rèn)知網(wǎng)絡(luò)中基于流量預(yù)測(cè)的自適應(yīng)路由算法
3．1 引言
3．2 相關(guān)工作
3．2．1 單路徑路由算法
3．2．2 多路徑路由算法
3．3 適用于認(rèn)知網(wǎng)絡(luò)的流量預(yù)測(cè)模型
3．3．1 現(xiàn)有的網(wǎng)絡(luò)流量預(yù)測(cè)模型
3．3．2 流量預(yù)測(cè)模型的選擇
3．3．3 MMSE的數(shù)學(xué)描述
3．4 算法描述
3．4．1 認(rèn)知網(wǎng)絡(luò)中基于流量預(yù)測(cè)的單路徑路由算法
3．4．2 認(rèn)知網(wǎng)絡(luò)中流量感知的多路徑路由算法
3．5 算法仿真及性能評(píng)價(jià)
3．5．1 MWR和ATPRA性能評(píng)價(jià)
3．5．2 ETAMR的性能評(píng)價(jià)
3．6 本章小結(jié)
第4章 基于社會(huì)關(guān)系感知的移動(dòng)節(jié)點(diǎn)位置預(yù)測(cè)算法
4．1 引言
4．2 基于社會(huì)關(guān)系的節(jié)點(diǎn)位置預(yù)測(cè)算法
4．2．1 基于位置的節(jié)點(diǎn)移動(dòng)應(yīng)用場(chǎng)景
4．2．2 馬爾可夫鏈預(yù)測(cè)模型
4．2．3 基于社會(huì)關(guān)系的預(yù)測(cè)優(yōu)化
4．2．4 修正系數(shù)參數(shù)估計(jì)
4．3 實(shí)驗(yàn)分析
4．3．1 仿真實(shí)驗(yàn)配置
4．3．2 社會(huì)關(guān)系矩陣析取
4．3．3 預(yù)測(cè)精確度分析
4．3．4 參數(shù)估計(jì)
4．3．5 位置模型中區(qū)域粒度對(duì)預(yù)測(cè)精度的影響
4．4 本章小結(jié)
第5章 基于位置預(yù)測(cè)的生物啟發(fā)式數(shù)據(jù)分發(fā)算法
5．1 引言
5．2 相關(guān)工作
5．3 網(wǎng)絡(luò)模型
5．4 算法設(shè)計(jì)
5．4．1 基于位置預(yù)測(cè)的數(shù)據(jù)分發(fā)算法
5．4．2 基于蟻群優(yōu)化的數(shù)據(jù)分發(fā)算法
5．4．3 基于位置預(yù)測(cè)的生物啟發(fā)式數(shù)據(jù)分發(fā)算法
5．5 性能評(píng)價(jià)
5．5．1 仿真環(huán)境部署
5．5．2 性能評(píng)價(jià)指標(biāo)
5．5．3 移動(dòng)節(jié)點(diǎn)數(shù)量的變化對(duì)性能的影響
5．5．4 數(shù)據(jù)消息生命周期的變化對(duì)性能的影響
5．6 本章小結(jié)
第6章 基于聲望感知的用戶(hù)激勵(lì)及數(shù)據(jù)分發(fā)算法
6．1 引言
6．2 相關(guān)工作
6．2．1 聲望模型的研究現(xiàn)狀
6．2．2 激勵(lì)機(jī)制的相關(guān)研究現(xiàn)狀
6．3 基于聲望的參與式激勵(lì)算法描述
6．3．1 概述
6．3．2 聲望模塊描述
6．3．3 激勵(lì)模塊的描述
6．4 基于參與者激勵(lì)的數(shù)據(jù)分發(fā)算法
6．4．1 分發(fā)數(shù)據(jù)的信任值計(jì)算
6．4．2 數(shù)據(jù)分發(fā)執(zhí)行過(guò)程
6．5 性能評(píng)價(jià)
6．5．1 仿真環(huán)境部署
6．5．2 仿真結(jié)果
6．6 本章小結(jié)
第7章 認(rèn)知網(wǎng)絡(luò)數(shù)據(jù)傳輸機(jī)制研究展望
7．1 成果總結(jié)
7．2 研究展望
參考文獻(xiàn)