认知网络的数据传输机制

　　《认知网络的数据传输机制》介绍了认知网络的数据传技术，用社群智能技术将人类社会活动与认知网络架构相融合，深入探讨社群网络中的数据通信机制。主要内容包括：基于节点移动轨迹分析和社会关系挖掘的移动节点位置预测模型；基于节点移动模型和机会通信特征分析的机会通信群组构造方法；基于机会数据通信过程中节点行为的可信度算法；结合数据类型、节点声望、竞价等要素设计节点激励策略；基于节点移动位置预测、机会群组构造以及用户声望激励模型的机会数据通信机制；原型系统设计以及算法验证。

暂缺《认知网络的数据传输机制》作者简介

第1章 绪论
1．1 研究背景
1．1．1 认知网络
1．1．2 社群智能
1．1．3 机会网络
1．2 问题的提出
1．2．1 背景
1．2．2 研究现状
1．3 本书的主要研究内容
1．3．1 主要研究内容
1．3．2 创新点
第2章 相关理论基础
2．1 马尔可夫预测
2．1．1 马尔可夫链
2．1．2 转移概率
2．2 群体智能优化算法
2．2．1 概述
2．2．2 蚁群优化算法
2．3 拍卖理论
2．3．1 正向拍卖
2．3．2 反向拍卖
2．4 机会网络
2．4．1 机会网络信誉管理
2．4．2 机会网络激励策略
2．5 社交网络
2．5．1 概述
2．5．2 社交网络分析
2．6 机会社交网络
2．7 社区发现
2．7．1 概述
2．7．2 典型社区发现算法
2．8 博弈论基础
2．8．1 博弈的概念
2．8．2 合作博弈论
2．8．3 博弈论模型
2．9 本章小结
第3章 认知网络中基于流量预测的自适应路由算法
3．1 引言
3．2 相关工作
3．2．1 单路径路由算法
3．2．2 多路径路由算法
3．3 适用于认知网络的流量预测模型
3．3．1 现有的网络流量预测模型
3．3．2 流量预测模型的选择
3．3．3 MMSE的数学描述
3．4 算法描述
3．4．1 认知网络中基于流量预测的单路径路由算法
3．4．2 认知网络中流量感知的多路径路由算法
3．5 算法仿真及性能评价
3．5．1 MWR和ATPRA性能评价
3．5．2 ETAMR的性能评价
3．6 本章小结
第4章 基于社会关系感知的移动节点位置预测算法
4．1 引言
4．2 基于社会关系的节点位置预测算法
4．2．1 基于位置的节点移动应用场景
4．2．2 马尔可夫链预测模型
4．2．3 基于社会关系的预测优化
4．2．4 修正系数参数估计
4．3 实验分析
4．3．1 仿真实验配置
4．3．2 社会关系矩阵析取
4．3．3 预测精确度分析
4．3．4 参数估计
4．3．5 位置模型中区域粒度对预测精度的影响
4．4 本章小结
第5章 基于位置预测的生物启发式数据分发算法
5．1 引言
5．2 相关工作
5．3 网络模型
5．4 算法设计
5．4．1 基于位置预测的数据分发算法
5．4．2 基于蚁群优化的数据分发算法
5．4．3 基于位置预测的生物启发式数据分发算法
5．5 性能评价
5．5．1 仿真环境部署
5．5．2 性能评价指标
5．5．3 移动节点数量的变化对性能的影响
5．5．4 数据消息生命周期的变化对性能的影响
5．6 本章小结
第6章 基于声望感知的用户激励及数据分发算法
6．1 引言
6．2 相关工作
6．2．1 声望模型的研究现状
6．2．2 激励机制的相关研究现状
6．3 基于声望的参与式激励算法描述
6．3．1 概述
6．3．2 声望模块描述
6．3．3 激励模块的描述
6．4 基于参与者激励的数据分发算法
6．4．1 分发数据的信任值计算
6．4．2 数据分发执行过程
6．5 性能评价
6．5．1 仿真环境部署
6．5．2 仿真结果
6．6 本章小结
第7章 认知网络数据传输机制研究展望
7．1 成果总结
7．2 研究展望
参考文献