發(fā)布時間：2017-08-14 21:29

  本文關(guān)鍵詞：機會網(wǎng)絡(luò)數(shù)據(jù)傳輸關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 機會網(wǎng)絡(luò) 數(shù)據(jù)傳輸 人類移動性 節(jié)點中心性 社會屬牲

【摘要】：隨著通信技術(shù)的發(fā)展,使得大量體積小、具備傳感和計算能力的智能設(shè)備得到普及。機會網(wǎng)絡(luò)利用智能設(shè)備間的通信機會實現(xiàn)內(nèi)容、資源和服務(wù)的共享。人利用手持智能設(shè)備構(gòu)成的機會網(wǎng)絡(luò)是機會網(wǎng)絡(luò)的典型場景之一。其中,節(jié)點的移動行為完全依賴于人的移動模式。機會網(wǎng)絡(luò)的數(shù)據(jù)傳輸是依靠節(jié)點的移動帶來的相遇機會實現(xiàn)的。但是,由于節(jié)點的移動導(dǎo)致節(jié)點間的間歇連接,給機會網(wǎng)絡(luò)數(shù)據(jù)傳輸帶來了極大的挑戰(zhàn)。研究表明人的移動行為具有一定的時間和空間的規(guī)律性以及人所具有的社會屬性導(dǎo)致人的移動和行為模式不是盲目和無序的。那么,利用人類移動行為的特征和社會屬性能有效的輔助數(shù)據(jù)傳輸。本論文首先基于人類移動行為特征為機會網(wǎng)絡(luò)數(shù)據(jù)傳輸識別網(wǎng)絡(luò)中的重要節(jié)點；接著為節(jié)點的重要性預(yù)測提出了時序非線性預(yù)測模型；最后從數(shù)據(jù)轉(zhuǎn)發(fā)和數(shù)據(jù)分發(fā)角度提出兩種基于社會屬性的數(shù)據(jù)傳輸算法。主要的研究內(nèi)容和創(chuàng)新點如下：(1)機會網(wǎng)絡(luò)節(jié)點中心性度量方法。在機會網(wǎng)絡(luò)中,利用網(wǎng)絡(luò)中有影響力的節(jié)點能有效的提高數(shù)據(jù)傳輸效率。傳統(tǒng)的節(jié)點中心性度量方法是基于靜態(tài)網(wǎng)絡(luò)模型的,從而無法有效的為機會網(wǎng)絡(luò)數(shù)據(jù)傳輸識別網(wǎng)絡(luò)中的重要節(jié)點。因此,本論文提出了機會網(wǎng)絡(luò)節(jié)點中心性的度量方法。首先利用時間演化圖模型提取機會網(wǎng)絡(luò)的動態(tài)拓?fù)浣Y(jié)構(gòu)�；谠撃Ｐ�,通過挖掘節(jié)點間的移動行為模式和社會連接擴展定義了度中心性、接近中心性和介數(shù)中心性。實驗部分利用兩個真實數(shù)據(jù)集驗證了這些中心性度量方法的有效性,實驗結(jié)果證明這些度量方法能有效地識別機會網(wǎng)絡(luò)中的重要節(jié)點。(2)機會網(wǎng)絡(luò)節(jié)點中心性時序非線性預(yù)測模型。由于機會網(wǎng)路拓?fù)浣Y(jié)構(gòu)的動態(tài)變化導(dǎo)致節(jié)點的中心性也會隨之變化,已有的預(yù)測方法通過利用簡單直觀的線性預(yù)測函數(shù)預(yù)測節(jié)點未來的中心性。然而,節(jié)點的中心性隨時間的演化過程不是線性的,將非線性的關(guān)系利用線性預(yù)測模型近似的擬合成線性關(guān)系會帶來不必要的誤差。BP神經(jīng)網(wǎng)絡(luò)作為被廣泛使用的非線性預(yù)測模型,本論文基于BP神經(jīng)網(wǎng)絡(luò)為節(jié)點中心性預(yù)測提出一種時序的非線性預(yù)測模型�；谡鎸崝�(shù)據(jù)集的實驗對比分析,時序非線性預(yù)測模型比已有的線性預(yù)測模型獲得了更高的預(yù)測精度。(3)機會網(wǎng)絡(luò)中基于節(jié)點社會屬性的數(shù)據(jù)轉(zhuǎn)發(fā)算法。機會網(wǎng)絡(luò)中節(jié)點間的時變連接和網(wǎng)絡(luò)的間歇連通給數(shù)據(jù)傳輸帶來了極大的挑戰(zhàn)。挖掘網(wǎng)絡(luò)中的重要節(jié)點以及緊密關(guān)系的節(jié)點能有效地提高數(shù)據(jù)轉(zhuǎn)發(fā)效率。因此,本論文挖掘節(jié)點間的相遇模式提出一種節(jié)點間關(guān)系緊密度測量方法和基于社會屬性的轉(zhuǎn)發(fā)中心性的度量方法�；谏鲜龇椒�,本論文提出了基于社會屬性的數(shù)據(jù)轉(zhuǎn)發(fā)算法,通過選擇更具中心位置或與目的節(jié)點具有更緊密關(guān)系的中繼節(jié)點將消息轉(zhuǎn)發(fā)給目的節(jié)點。本論文基于兩個真實數(shù)據(jù)集將該路由算法與已有的三種路由算法進行對比,實驗結(jié)果證明本論文提出的路由算法具有最高的路由效率。(4)機會網(wǎng)絡(luò)中基于節(jié)點社會屬性的發(fā)布訂閱路由算法。在機會網(wǎng)絡(luò)中,利用節(jié)點的相遇機會分享自己感興趣的數(shù)據(jù)是實現(xiàn)基于內(nèi)容的網(wǎng)絡(luò)服務(wù)模式的方法之一,發(fā)布/訂閱是基于人們興趣愛好實現(xiàn)數(shù)據(jù)有目的分發(fā)的一種可行方案。由于機會網(wǎng)絡(luò)的間斷連通性,傳統(tǒng)的發(fā)布/訂閱路由技術(shù)在機會網(wǎng)絡(luò)中下并不適用。因此,本論文提出了基于節(jié)點社會屬性的發(fā)布/訂閱路由算法。本論文首先提出全局熵中心性度量方法用于識別網(wǎng)絡(luò)中的重要節(jié)點作為消息發(fā)布或訂閱的代理節(jié)點。由于人的移動行為所具有的社區(qū)特征,本論文接著提出一種分布式的基于社會屬性的社區(qū)探測方法為節(jié)點劃分屬于自己的朋友圈。最后,基于上述方法,本論文為數(shù)據(jù)分發(fā)提出一種基于社會屬性的消息發(fā)布/訂閱路由算法�；谡鎸崝�(shù)據(jù)集和仿真數(shù)據(jù)集的實驗結(jié)果證明,本論文提出的基于社會屬性的發(fā)布/訂閱路由算法相比已有的發(fā)布/訂閱路由算法獲得了最佳的性能。
【關(guān)鍵詞】：機會網(wǎng)絡(luò) 數(shù)據(jù)傳輸 人類移動性 節(jié)點中心性 社會屬牲
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN919.3
【目錄】：

• 摘要5-7
• ABSTRACT7-16
• 第一章 緒論16-22
• 1.1 研究背景與研究意義16-18
• 1.2 本論文主要工作18-20
• 1.3 論文結(jié)構(gòu)20-21
• 1.4 本章小結(jié)21-22
• 第二章 機會網(wǎng)絡(luò)數(shù)據(jù)傳輸研究綜述22-36
• 2.1 機會網(wǎng)絡(luò)簡介22-24
• 2.2 以人作為網(wǎng)絡(luò)終端載體的機會網(wǎng)絡(luò)的特征和分析技術(shù)24-30
• 2.2.1 人類移動行為特征研究概述25-26
• 2.2.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分析技術(shù)26-30
• 2.3 機會網(wǎng)絡(luò)數(shù)據(jù)傳輸研究現(xiàn)狀30-35
• 2.3.1 數(shù)據(jù)轉(zhuǎn)發(fā)機制30-34
• 2.3.2 數(shù)據(jù)分發(fā)機制34-35
• 2.4 本章小結(jié)35-36
• 第三章 機會網(wǎng)絡(luò)節(jié)點中心性度量方法36-60
• 3.1 引言36-37
• 3.2 時間演化圖模型37-39
• 3.3 機會網(wǎng)絡(luò)節(jié)點局部中心性度量方法39-41
• 3.4 機會網(wǎng)絡(luò)節(jié)點全局中心性度量方法41-46
• 3.4.1 基于傳輸時延的全局中心性度量方法41-44
• 3.4.2 基于社會屬性的全局中心性度量方法44-46
• 3.5 實驗分析46-58
• 3.5.1 數(shù)據(jù)集介紹47
• 3.5.2 節(jié)點中心性有效性分析47-56
• 3.5.3 節(jié)點全局中心性排名與局部中心性排名相關(guān)性分析56-58
• 3.6 本章小結(jié)58-60
• 第四章 機會網(wǎng)絡(luò)節(jié)點中心性預(yù)測模型60-73
• 4.1 引言60-61
• 4.2 節(jié)點中心性時序非線性預(yù)測模型61-64
• 4.2.1 基于牛頓插值法的訓(xùn)練集插值策略61-63
• 4.2.2 BP神經(jīng)網(wǎng)絡(luò)算法63-64
• 4.3 實驗分析64-72
• 4.3.1 數(shù)據(jù)集介紹65
• 4.3.2 節(jié)點的過去中心性與未來中心性的相關(guān)性分析65-68
• 4.3.3 預(yù)測結(jié)果分析68-72
• 4.4 本章小結(jié)72-73
• 第五章 機會網(wǎng)絡(luò)中基于節(jié)點社會屬性的數(shù)據(jù)轉(zhuǎn)發(fā)算法73-89
• 5.1 引言73-74
• 5.2 基于時間演化圖模型的節(jié)點間關(guān)系緊密度測量方法74-78
• 5.3 基于社會屬性的轉(zhuǎn)發(fā)中心性度量方法78-80
• 5.4 SRBet數(shù)據(jù)轉(zhuǎn)發(fā)算法80-81
• 5.5 實驗分析81-88
• 5.5.1 數(shù)據(jù)集介紹81
• 5.5.2 節(jié)點過去轉(zhuǎn)發(fā)中心性代替未來轉(zhuǎn)發(fā)中心性的可行性分析81-84
• 5.5.3 實驗結(jié)果84-88
• 5.6 本章小結(jié)88-89
• 第六章 機會網(wǎng)絡(luò)中基于節(jié)點社會屬性的發(fā)布訂閱路由算法89-107
• 6.1 引言89-90
• 6.2 節(jié)點全局熵中心性度量方法90-91
• 6.3 基于社會屬性的社區(qū)劃分算法91-93
• 6.3.1 社會連接探測方法92
• 6.3.2 分布式社區(qū)劃分算法92-93
• 6.4 發(fā)布/訂閱路由算法93-96
• 6.4.1 建立發(fā)布/訂閱系統(tǒng)93-94
• 6.4.2 路由算法94-96
• 6.5 實驗分析96-105
• 6.5.1 數(shù)據(jù)集介紹96-97
• 6.5.2 全局熵中心性度量方法有效性分析97-100
• 6.5.3 基于社會屬性的社區(qū)劃分算法有效性分析100-102
• 6.5.4 路由協(xié)議性能分析102-105
• 6.6 本章小結(jié)105-107
• 第七章 結(jié)束語107-109
• 7.1 論文總結(jié)107-108
• 7.2 進一步的研究工作108-109
• 參考文獻109-119
• 縮略語119-120
• 致謝120-121
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄121

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 樊超;郭進利;韓筱璞;汪秉宏;;人類行為動力學(xué)研究綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2011年02期

，

本文編號：674809