車載容遲網(wǎng)絡(luò)(Vehicle Delay tolerant network,簡稱VDTN)是一種新型無線傳感網(wǎng)絡(luò),源節(jié)點和目的節(jié)點中不存在穩(wěn)定的端到端通信路徑。由于節(jié)點的高速移動,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的變化,造成了網(wǎng)絡(luò)節(jié)點間通信并不穩(wěn)定,是間歇性的,所以節(jié)點采用“存儲-攜帶-轉(zhuǎn)發(fā)”機制轉(zhuǎn)發(fā)消息。因此傳統(tǒng)的端到端的路由協(xié)議并不適用,需要研究人員針對VDTN的特點,利用節(jié)點之間的多跳協(xié)作以及節(jié)點相遇的機會性研究更為有效的路由協(xié)議。這類路由協(xié)議必須能夠適應(yīng)快速變化的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)且具有相當(dāng)高的靈活性。本文首先研究分析車載容遲網(wǎng)絡(luò)的相關(guān)理論知識和關(guān)鍵技術(shù)等。同時,重點就車載容遲網(wǎng)絡(luò)中節(jié)點規(guī)律性移動模式,以及節(jié)點屬性之間的高階依賴關(guān)系展開研究。在此基礎(chǔ)上,本文提出了基于半樸素貝葉斯分類器的車載容遲網(wǎng)路由算法(Semi-Bayesian Classifier,簡稱SBC)。考慮到車載容遲網(wǎng)絡(luò)中節(jié)點周期性的移動模式,該算法引入了半樸素貝葉斯分類器中的獨依賴策略,根據(jù)一些影響消息投遞率的網(wǎng)絡(luò)參數(shù)估算某個節(jié)點成功投遞消息的概率,其基本思想是假設(shè)所有屬性都依賴于同一個屬性。該算法著重考慮屬性間的依賴關(guān)系能夠為節(jié)點類...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 研究背景及研究現(xiàn)狀
        1.1.1 研究背景
        1.1.2 國內(nèi)外研究現(xiàn)狀
    1.2 論文研究目標(biāo)及內(nèi)容
        1.2.1 研究目標(biāo)
        1.2.2 研究內(nèi)容
    1.3 論文來源和主要貢獻(xiàn)
        1.3.1 論文來源
        1.3.2 論文的主要貢獻(xiàn)
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 相關(guān)背景知識介紹
    2.1 車載容遲網(wǎng)絡(luò)的概念和體系結(jié)構(gòu)
        2.1.1 車載容遲網(wǎng)絡(luò)的概念
        2.1.2 車載容遲網(wǎng)絡(luò)中消息傳輸模式
        2.1.3 車載容遲網(wǎng)絡(luò)體系結(jié)構(gòu)
        2.1.4 車載容遲網(wǎng)絡(luò)的特點
    2.2 車載容遲網(wǎng)絡(luò)中的路由算法
        2.2.1 評價指標(biāo)
        2.2.2 容遲網(wǎng)絡(luò)中常用路由算法
    2.3 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)算法
        2.3.1 貝葉斯網(wǎng)絡(luò)基本概念
        2.3.2 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
        2.3.3 貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
        2.3.4 貝葉斯網(wǎng)絡(luò)推理
    2.4 仿真平臺ONE簡介
    2.5 本章小結(jié)
第三章 基于半樸素貝葉斯分類器的車載容遲網(wǎng)路由算法
    3.1 引言
    3.2 半樸素貝葉斯算法
        3.2.1 節(jié)點屬性
        3.2.2 節(jié)點分類
        3.2.3 轉(zhuǎn)發(fā)策略
    3.3 仿真實驗設(shè)計與實現(xiàn)
        3.3.1 仿真軟件的體系結(jié)構(gòu)
        3.3.2 節(jié)點屬性和其數(shù)據(jù)結(jié)構(gòu)的實現(xiàn)
        3.3.3 半樸素貝葉斯路由協(xié)議的實現(xiàn)
        3.3.4 數(shù)據(jù)集的生成、導(dǎo)出和導(dǎo)入
        3.3.5 移動軌跡
        3.3.6 仿真參數(shù)設(shè)置
        3.3.7 仿真實驗結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于多階段貝葉斯網(wǎng)絡(luò)分類器的車載容遲網(wǎng)路由算法
    4.1 引言
    4.2 多階段貝葉斯網(wǎng)絡(luò)
    4.3 基于多階段貝葉斯網(wǎng)絡(luò)的路由算法框架
        4.3.1 節(jié)點屬性
        4.3.2 動態(tài)多級分類算法
        4.3.3 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
        4.3.4 貝葉斯網(wǎng)絡(luò)推斷
        4.3.5 消息轉(zhuǎn)發(fā)策略
    4.4 仿真軟件的設(shè)計和實現(xiàn)
        4.4.1 仿真軟件的體系結(jié)構(gòu)
        4.4.2 節(jié)點屬性集和其數(shù)據(jù)結(jié)構(gòu)的實現(xiàn)
        4.4.3 貝葉斯分類模型的構(gòu)建
        4.4.4 消息轉(zhuǎn)發(fā)流程
        4.4.5 多階段貝葉斯路由協(xié)議的實現(xiàn)
        4.4.6 仿真參數(shù)設(shè)置
        4.4.7 仿真實驗結(jié)果及分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝



本文編號：3927272