基于網(wǎng)絡(luò)層析成像技術(shù)的拓?fù)渫茢嘌芯?/H1>
發(fā)布時(shí)間：2023-05-03 22:53
當(dāng)今的互聯(lián)網(wǎng)是一個(gè)龐大的分布式網(wǎng)絡(luò),隨著社會(huì)的不斷發(fā)展,其規(guī)模不斷擴(kuò)大,對于網(wǎng)絡(luò)的管理、優(yōu)化以及故障診斷等方面也提出了更大的挑戰(zhàn),倘若能夠識別網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),這一切問題都會(huì)得到簡化。固定網(wǎng)絡(luò)的拓?fù)渫茢嘀饕袃煞N方法:一種是傳統(tǒng)的網(wǎng)絡(luò)推斷方法,它通過收集網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)的相關(guān)拓?fù)湫畔⑦M(jìn)行分析和處理,從而推理出網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),這種方法有賴于網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)的配合,而且,信息收集過程中容易增加網(wǎng)絡(luò)通信負(fù)載,這個(gè)問題也不容忽視;另一種方法是網(wǎng)絡(luò)層析成像技術(shù),采用這種方式,即使在沒有來自內(nèi)部節(jié)點(diǎn)協(xié)作的情況下,只要通過在網(wǎng)絡(luò)邊界處采用主動(dòng)測量或被動(dòng)接收的方式獲得網(wǎng)絡(luò)內(nèi)的有用信息,再而利用統(tǒng)計(jì)學(xué)的方法就能夠進(jìn)行拓?fù)渫茢�。本文從系統(tǒng)模型、參數(shù)測量方法以及邏輯拓?fù)渫茢嗨惴ǖ确矫嬖敿?xì)介紹了網(wǎng)絡(luò)層析成像技術(shù),其中,重點(diǎn)探究了基于網(wǎng)絡(luò)層析成像技術(shù)的網(wǎng)絡(luò)拓?fù)涔烙?jì)算法,對其突出特點(diǎn)與現(xiàn)存問題做了詳盡的說明,并對之進(jìn)行改進(jìn),在估計(jì)準(zhǔn)確性和推斷效率上有一定的提升。首先,針對基于最大似然的拓?fù)涔烙?jì)方法計(jì)算復(fù)雜度過高的問題(特別是網(wǎng)絡(luò)規(guī)模較大時(shí)),提出了改進(jìn)的帶正則項(xiàng)的最大似然快速拓?fù)涔烙?jì)方法,有效降低了計(jì)算量,并通過理論證明和仿...
【文章頁數(shù)】：60 頁
【學(xué)位級別】：碩士
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 主要研究內(nèi)容
第2章 網(wǎng)絡(luò)層析成像基礎(chǔ)
2.1 基本概念
2.2 模型描述
2.3 主要應(yīng)用
2.4 拓?fù)渫茢嘀械臏y量方法
2.4.1 多播測量
2.4.2 單播測量
2.5 本章小結(jié)
第3章 改進(jìn)的基于最大似然方法的網(wǎng)絡(luò)拓?fù)涔烙?jì)
3.1 估計(jì)問題——最大似然方法
3.1.1 最大似然方程
3.1.2 最大似然估計(jì)結(jié)構(gòu)的特性
3.2 基于最大似然的拓?fù)涔烙?jì)方法
3.2.1 基于馬爾科夫鏈蒙特卡洛方法的拓?fù)渌阉?br> 3.2.2 拓?fù)涔烙?jì)算法
3.3 改進(jìn)的基于最大似然估計(jì)的拓?fù)渫茢嗨惴?br> 3.3.1 帶正則項(xiàng)的最大似然估計(jì)
3.3.2 對拓?fù)渌阉魉迫缓瘮?shù)單峰性的證明
3.3.3 改進(jìn)的基于最大似然估計(jì)的拓?fù)渫茢嗨惴?br> 3.4 仿真實(shí)驗(yàn)與結(jié)果分析
3.5 本章小結(jié)
第4章 改進(jìn)的基于層次聚類的網(wǎng)絡(luò)拓?fù)渫茢嗨惴?br> 4.1 基于層次聚類的拓?fù)涔烙?jì)算法
4.2 改進(jìn)的層次聚類拓?fù)涔烙?jì)算法——MHT算法
4.2.1 算法描述
4.2.2 算法分析
4.3 仿真實(shí)驗(yàn)與結(jié)果分析
4.4 本章小結(jié)
第5章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
本文編號：3807446
本文鏈接：http://sikaile.net/guanlilunwen/ydhl/3807446.html
【文章頁數(shù)】：60 頁
【學(xué)位級別】：碩士
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 主要研究內(nèi)容
第2章 網(wǎng)絡(luò)層析成像基礎(chǔ)
2.1 基本概念
2.2 模型描述
2.3 主要應(yīng)用
2.4 拓?fù)渫茢嘀械臏y量方法
2.4.1 多播測量
2.4.2 單播測量
2.5 本章小結(jié)
第3章 改進(jìn)的基于最大似然方法的網(wǎng)絡(luò)拓?fù)涔烙?jì)
3.1 估計(jì)問題——最大似然方法
3.1.1 最大似然方程
3.1.2 最大似然估計(jì)結(jié)構(gòu)的特性
3.2 基于最大似然的拓?fù)涔烙?jì)方法
3.2.1 基于馬爾科夫鏈蒙特卡洛方法的拓?fù)渌阉?br> 3.2.2 拓?fù)涔烙?jì)算法
3.3 改進(jìn)的基于最大似然估計(jì)的拓?fù)渫茢嗨惴?br> 3.3.1 帶正則項(xiàng)的最大似然估計(jì)
3.3.2 對拓?fù)渌阉魉迫缓瘮?shù)單峰性的證明
3.3.3 改進(jìn)的基于最大似然估計(jì)的拓?fù)渫茢嗨惴?br> 3.4 仿真實(shí)驗(yàn)與結(jié)果分析
3.5 本章小結(jié)
第4章 改進(jìn)的基于層次聚類的網(wǎng)絡(luò)拓?fù)渫茢嗨惴?br> 4.1 基于層次聚類的拓?fù)涔烙?jì)算法
4.2 改進(jìn)的層次聚類拓?fù)涔烙?jì)算法——MHT算法
4.2.1 算法描述
4.2.2 算法分析
4.3 仿真實(shí)驗(yàn)與結(jié)果分析
4.4 本章小結(jié)
第5章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
本文編號：3807446
本文鏈接：http://sikaile.net/guanlilunwen/ydhl/3807446.html
最近更新
教材專著
