一、移动Agent框架的设计及其关键技术（论文文献综述）
熊宇[1]（2021）在《移动无线接入网中基于学习的内容缓存优化》文中研究指明由于普及的移动服务、无处不在的社交网络和资源密集型应用程序,移动数据流量正呈爆炸性增长。巨大的移动数据流量给移动无线接入网络及其资源部署造成负担。根据统计,很大一部分流量是通过将重复的流行数据传送到多个用户来贡献的,而且重复的数据传输主要是由流行内容的重复下载引起的。因此,在移动无线接入网设备和用户设备上部署内容缓存得到了广泛的关注。不幸的是,由于边缘节点的存储容量受到限制,随着内容的数量不断地增加,并非所有的内容都可以被缓存在边缘节点和/或用户终端设备上,因此,在移动无线接入网络中进行内容缓存优化放置成为一个热点研究方向。本文基于学习的方法,针对面向IoP的移动无线接入网中内容的缓存优化问题进行研究,所做的主要研究工作包括以下方面:（1）在面向IoP的移动无线接入网络场景下,考虑一个移动用户可与多个终端设备关联,并且考虑移动用户之间的社会关系,通过最大化设备的社交奖励值,建模了移动无线接入网中基于社会感知的主动内容缓存优化问题。为了解决上述优化问题,提出了独立强化学习、联合共享Q值强化学习、联合动作强化学习和联合回馈奖励强化学习四种基于学习的优化算法。仿真验证了所提出的四种优化算法在平均社交奖励、缓存命中率和协作命中率等方面的性能。（2）在移动无线接入网络场景下,针对内容流行度预测问题进行研究,提出了两种内容流行度预测方法,分别为基于用户和内容联合特征的内容流行度预测方法和基于联邦学习的联合用户特征和内容特征的内容流行度预测方法。同时,基于所预测的内容流行度,提出了一种基于本地内容流行度的全局内容放置优化方法,以便最大化系统的长期缓存命中率。最后,采用MovieLens数据集,针对上述所提算法进行了性能评估。仿真结果表明,所提内容流行度算法在预测准确率上具有良好的性能。与基线算法相比,所提出的基于联邦学习的方法在全局命中率和传输成本方面表现出色。
陈泽超[2]（2021）在《基于深度强化学习的多无人机轨迹规划策略研究》文中研究说明无人机以其成本低、部署灵活的特性,已成为当前无线网络的关键组成部分。而如何对其进行轨迹规划,来提高无人机通信系统的性能,是无人机提供通信服务所面临的重要问题。目前已有大量工作研究无人机在不同通信场景的轨迹规划问题,而现有工作主要面临着以下挑战:1)大多工作采用传统基于优化理论的方法,该方法在充分掌握通信系统参数的基础上进行建模求解,但实际应用中,用户位置、信道参数等用户侧信息可能难以获得或者无法被准确测量;2)部分工作采用基于强化学习的方法,但所求解轨迹大多是建立在离散动作空间上较为粗糙的轨迹;3)由于多无人机会带来碰撞、训练环境不稳定等问题,并且需要考虑多个无人机之间协作的问题,现有的研究难以直接扩展到多无人机辅助通信场景。针对以上挑战,本文提出了基于深度强化学习的多无人机连续动作空间的轨迹规划策略,考虑不同场景,研究了在用户侧信息未知的条件下多无人机轨迹规划问题。主要包括:1)首先考虑简单的上行传输场景,研究最大化传输任务完成率的连续动作空间的轨迹规划问题,提出了多智能体双延迟确定性策略梯度（MA-TD3）算法,采用集中训练,分布执行的思想,对多无人机连续轨迹进行规划。仿真结果表明该算法能够有效地在未知用户侧信息的情况下进行合理的轨迹规划,并与现有工作所采用的连续轨迹规划策略对比,验证了所提算法在多无人机场景有着更优的性能;2)其次由于实际通信场景通常对时效性有较高要求,进一步考虑最小化信息年龄的轨迹规划问题,研究了多无人机协同轨迹规划策略（CO-MUTD）,提出了分布式传输协议,并联合优化轨迹和无人机-地面节点连接策略,将混合策略的联合优化问题转化为连续动作空间问题,并利用强化学习方法求解。仿真验证了其可行性和有效性。
朱霆[3]（2021）在《异构网络中基于图神经网络的MPTCP性能优化研究》文中指出多路径传输控制协议（MultiPath Transport Control Protocol,MPTCP）是传输控制协议（Transport Control Protocol,TCP）的多路径并行传输扩展。与传统TCP相比,MPTCP具有高吞吐量,高鲁棒性,和易于负载均衡的优势。MPTCP协议的提出引起学术界和工业界的广泛关注,在移动通信网络和数据中心网络中有着一系列的应用成果。由于多宿主主机多个接口的网络接入方式不同,不对称的链路特征和不同的子流路径导致子流传输能力的差异,因而MPTCP会话在异构网络中难以获得理想的性能。为了解决这一问题,首先,多路径路由算法可以从网络层的角度减轻子流传输能力的差异。其次,在子流性能非对称的情况下,数据包调度和拥塞控制等传输控制算法根据子流状态进行差异化的资源分配,从不同角度缓解MPTCP会话在异构网络中的性能损失。已有的解决方案难以在异构网络中充分发挥MPTCP多路径的优势。例如,传统的启发式算法往往只能针对某一特定问题做出理想假设,基于简化的模型提出较为简单的算法,因此只能在特定的场景中达到预期的性能,难以应对复杂的现实场景。新兴的基于机器学习的算法虽然具有更强的表达能力,适用于更加复杂的场景,但只能在训练中的场景生效,在在线应用中依赖模型的实时更新,带来了额外的计算开销。图神经网络（Graph Neural Network,GNN）是一类新兴的神经网络模型,通过节点之间的消息传递,对具有图结构的数据进行分析,学习节点之间的相互关系和图的结构特征,被证明具有显着的表达能力和泛化能力。在MPTCP的传输控制问题中,不同传输控制决策、子流的链路特征、和会话性能之间的相互关系可以用图来表示,因此,本文提出了异构网络中基于图神经网络的MPTCP性能优化,分别从多路径路由和MPTCP数据包调度、拥塞控制的角度提出了如下方案:（1）SDN（Software Defined Network,软件定义网络）基于GNN的多路径路由算法。为了减轻多路径传输过程中子流传输能力的差异对会话性能的影响,提出了一个具有子流数量控制,避免共享瓶颈链路,和子流性能匹配功能的多路径路由算法。系统通过SDN获取网络的拓扑信息,建立了基于图神经网络的多路径路由方案吞吐量预测模型,学习会话性能与子流链路特征之间的相互关系。最后,在在线应用中根据模型对不同候选路由方案的吞吐量预测结果,决定最优的路由策略。得益于GNN对图的推理能力,即使在训练中不曾出现的场景中,算法也能表现出良好的性能,优于默认的多路径路由算法。（2）SDN中基于GNN的MPTCP数据包调度算法。针对已有算法难以在异构的网络环境中达到理想性能的现象,算法从MPTCP会话的不同阶段优化MPTCP性能:当子流数量发生变化时,子流管理模块禁用性能过差的子流,当由新的数据包待发送时,数据调度模块选择合适的子流进行调度。我们根据MPTCP的数据包调度中链路信息、子流信息、和子流性能之间的相互关系,建立了基于GNN的子流管理和数据调度方案的吞吐量预测模型,并基于模型预测结果的指导分别进行子流管理和数据包调度,实现了异构网络中MPTCP会话性能的提升,并且对会话特征和拓扑结构具有一定的泛化能力。（3）基于GNN的MPTCP拥塞控制算法。针对现有算法对拥塞判断的不足和窗口调整的缺陷,提出了一个保障网络公平性的拥塞控制算法。我们通过图神经网络模型学习网络公平性和MPTCP子流状态之间的关系,在每一个拥塞控制轮次评估不同窗口决策对网络公平性的影响,对窗口进行调整。算法实现了异构网络中MPTCP会话的网络公平性保证,并且提升了 MPTCP会话在丢包环境中的性能。
唐忠[4]（2021）在《支持产品概念设计的专利知识挖掘方法及其原型系统研究》文中研究表明概念设计是产品创新的核心,是一种基于知识驱动的问题求解过程,其实质是对知识进行迁移和重组的过程。作为创新设计的产物,专利文献成为了一种新的激发设计者获得创新灵感的知识资源,它与产品创新活动关系最为密切。因此,如何从海量专利文献中挖掘并利用专利知识辅助概念设计就成为了产品创新设计的关键。专利文献的分类和检索是专利知识挖掘与支持产品概念设计的必要工具和重要研究内容。本论文以中文专利文献为研究对象,以获取产品概念设计所需知识为目的,从专利分类和专利知识检索的角度出发,对其中存在的一些关键问题和支持产品概念设计的方法与工具进行研究,提出了支持产品概念设计的专利知识挖掘新方法。本论文的主要研究内容如下:（1）根据现有概念设计求解过程模型的相关研究,对构成概念设计求解过程模型的设计元素信息进行分析,构建了专利知识辅助产品概念设计的需求-功能-原理-结构（Requirement-Function-Principle-Structure,RFPS）过程模型,建立了功能基来规范表达该模型中的功能,并对模型中各层的作用及其相互关系进行了详细的论述。（2）以现有的几种特征权重计算方法为例,首先分析并阐述了专利分类中如何合理地对测试集专利进行特征权重计算,并在此基础上提出了五种无监督特征权重计算方法。然后,针对目前有监督词语权重方法在专利分类方面表现出的不足,建立了一种融合词-文本-类别的多层次专利特征权重计算模型,并在此基础上,基于累积剩余熵提出了一种有监督词语权重方法。最后,针对无监督和有监督特征权重计算方法均未考虑词语之间的语义关系问题,构建了加权词向量并引入证据理论、圆周卷积和卷积神经网络来完成加权词向量的合成。更进一步地,为了解决传统向量空间模型存在的稀疏问题,提出了一种基于语义的向量空间模型来实现专利的特征权重计算。通过实验分别验证了所提方法的可行性和有效性。（3）根据专利中所蕴藏的设计知识的特点,分别用动名词词组（动词+名词对）、动词和名词代表专利中的功能知识、原理知识和结构知识,完成了专利知识的表示。以Stanford Corenlp为词性标注工具,阐述了专利知识的提取规则。针对专利中的附图知识,给出了从专利中提取专利附图的算法。建立了以专利标题和摘要为索引的专利知识组织与存储策略,为进一步地实现专利知识的检索提供了支持。（4）作为利用专利知识的必要工具之一,专利知识检索决定了专利知识应用（即迁移与重组）的效率与效果。针对关键词检索方法会出现使用同义词的现象以及关键词不能充分表达检索意图的问题,根据国际专利分类表（IPC）建立了意图单元来识别与理解检索意图,提出了基于IPC的专利知识检索方法,并详细阐述了该方法的计算流程。考虑到每个意图单元和每个专利中所包含的功能动词数不可能完全彼此相同,分别从IPC和专利中提取了完整的用于描述动作的功能动词集,进而定义了用于专利知识检索的功能绝对性指标,解决了专利知识检索中仅用余弦函数计算相似度存在的问题,提高了专利知识检索的准确性。（5）以前述理论研究为基础,开发了支持产品概念设计的专利知识挖掘原型系统（Patent Knowledge Mining Prototype System,PKMPS）。将PKMPS应用于压水型反应堆辐照样品孔塞的创新设计中,展示了PKMPS各功能模块的窗口布局,同时详细介绍了各功能模块的操作规则与使用方法。初步验证了PKMPS在辅助产品概念设计上的可行性和实用性。
戴喆[5]（2020）在《基于机器视觉的城市道路交叉口交通参数提取及交通信号控制》文中提出中心城市在国家区域协调发展中发挥着越来越重要的作用,城市交通的管理和控制逐渐成为了制约城市建设和经济发展的主要问题之一。在城市人口不断增加,人们对交通出行方式和交通质量要求不断提高的情况下,优化城市路网结构和交通运行状况,已成为社会关注的热点。与此同时,城市公共区域监控范围的扩大、监控需求的细化、以及监控设施的不断完善,为智能交通系统的建设和平台的有效运营提供了可靠保障。先进的城市交通控制系统是提高交通通行效率的核心,而合理的交叉口信号控制设计是提高城市道路通行能力,改善路网交通状况的重要手段,也是城市现代化的重要标志。因此对城市交通控制问题的研究具有很高的应用价值。针对当前城市道路交通控制的核心需求,本文重点研究基于机器视觉的交通参数提取及其在城市交通信号控制系统中的作用及应用价值,在为城市道路交通控制提供可靠数据来源的同时,为道路交叉口交通控制的智能化发展及高效运营提供具有参考价值的研究成果。为实现这一目标,主要的研究内容包括以下三点:1.针对交通参数的获取问题,设计了一种基于视频分析的道路交叉口交通参数提取方法,该方法包括三个方面:（a）制作了一个交通目标检测数据集（Vehicle Detection Dateset,VDD）,用来配合车辆目标的检测任务,制作了一个车辆计数数据集（Vehicle Counting Dateset,VCD）,用来进行交通参数获取方法的评价;（b）提出了一种多目标跟踪算法;（c）设计了一种区域编码算法用于轨迹处理和交通参数的计算。通过基于VDD和VCD开展实验及结果分析,验证了所设计方法的可行性和有效性。2.针对交通目标的运动信息提取及描述问题,基于相机标定模型,充分考虑道路交叉口交通监控场景的特点提出了两种相机标定算法:（a）对于使用固定相机进行长期监控的场景,提出了一种基于虚拟网格的离线标定算法;（b）对于监控视角要求变化的交通场景,提出了一种基于车辆三维模型的在线自动标定算法。以相机标定结果为基础,针对城市交通信号控制系统对交通参数的需求,获取基于目标运动信息的准确交通参数,并针对几种交通监控场景验证了算法的有效性。3.针对实现基于机器视觉的道路交叉口交通信号控制目标,完成了三个方面的工作:（a）提出了一种基于参数优化的道路交叉口交通信号控制方法,形成了基础控制方案;（b）提出了一种基于模糊逻辑的自适应信号控制算法,在基础控制方案的前提下,实现基于交通流变化的绿灯时间调整自适应控制过程;（c）基于基础控制方案与自适应信号控制过程,完成了基于机器视觉的道路交叉口交通信号控制仿真和分析。实验结果表明:论文提出的基于视频分析的道路交叉口交通参数提取方法能够适应于复杂的交通场景,并能较为准确的提取出重要的交通参数信息,其中交通流和交通组成信息的精度可以达到90%以上。提出的道路交叉口场景下的相机标定算法及交通目标的运动信息提取方法中,两种相机标定算法可以在不同的场景下配合使用,对于图像场景的距离估算精度（91%）能够较好地满足实际交通需求,能够实现在道路交叉口场景下准确描述交通目标运动信息的目标。提出的基于机器视觉的交通信号控制策略能够克服由于交通流波动对交通信号控制带来的干扰和影响,使车辆平均延误和停车次数显着降低,在非饱和交通流的情况下能够实现接近于理想条件下的交通控制性能,在饱和交通流的情况下的交通控制性能也明显优于固定周期的信号控制策略。
钏建斌[6]（2021）在《面向无线分布式缓存的内容部署及资源管理研究》文中认为无线缓存技术通过在网络边缘缓存数据,能够实现高效的流量卸载,是解决当前5G（The Fifth Generation）网络普及下网络数据迅猛增长问题的关键技术之一。在网络边缘合理的部署缓存节点对热点内容进行缓存,不仅能够减轻网络负担,减少系统能耗,还能降低内容传输时延,提升用户体验。然而,受到边缘缓存节点在缓存-计算-通信能力上的制约,内容缓存的效益将会被严重影响,同时由于边缘缓存节点间海量数据交互将会消耗大量频谱,不仅会使得无线资源更加紧缺,还会带来巨大的额外能耗。因此,从用户需求出发,考虑内容分布特征、用户社交关系、缓存节点能力、物理信道状况等多域资源,设计并实现高能效、高谱效和低时延的无线缓存系统,对为用户提供高质量的内容共享服务具有重要意义。本研究从理论和实际出发对无线分布式缓存系统的关键技术及实现进行了深入探讨。首先以最大化内容分发成功概率为目标,研究物理-社交跨域缓存下的内容流行度预测方案;接着以最小化能耗为目标,研究内容缓存与分发联合优化方案;然后考虑缓存节点之间的信道状况,以最大化系统速率为目标,对无线资源进行优化;最后综合上述各项研究,对无线分布式缓存系统进行了架构设计和实现。本文的主要工作及研究成果如下:1.面向物理-社交跨域缓存环境下的内容流行度预测方案为了提升内容缓存效益,需要预先对内容流行度进行预测。本研究首先考虑用户之间的社交关系,基于狄利克雷分布提出了一种共同兴趣模型来预测内容流行度,进而考虑物理通信链路质量和内容在节点中的缓存策略,推导出了基于该模型的内容分发成功概率,并基于内容分发成功概率,将目标问题建模成了一个关于内容流行度和缓存策略的后验概率最大化问题。为了解决目标函数复杂的计算任务,本文提出了一种基于吉布斯采样的机器学习算法来对模型进行参数估计,从而将复杂的计算任务转化成简单的统计计算问题,极大的降低了计算复杂度。仿真可得,相比较传统的Zipf拟合方法和概率统计方法,本研究提出的方法可以在保证QoS的前提下将内容分发的平均成功概率提升7.6%。2.面向能耗最小化的内容缓存与分发联合优化方案高效的内容缓存与分发策略是无线分布式缓存系统向用户提供高质量内容服务的保障。本研究提出了一个吸收设备直连通信（Device to Device Communication,D2D）用户作为无线分布式缓存系统缓存节点的方案,该方案以最小化内容共享平均能耗为目标,综合考虑了缓存节点选取问题,内容缓存问题和内容分发问题。首先通过综合考虑D2D用户之间的社交关系和物理通信链路质量,提出了一种基于PageRank架构的分布式算法来解决缓存节点选取问题;接着通过综合考虑用户的缓存空间,物理通信链路状态和内容流行度情况,提出了一种基于置信度传播框架的分布式算法来解决内容缓存策略优化问题;然后结合内容缓存状态,充分考虑用户之间的物理通信链路和内容请求情况,提出了一种基于置信度传播架构的分布式算法来解决内容分发策略优化问题;最后提出了一种基于启发式算法的综合优化方案来提升整个系统的性能。相比较传统的匹配方案,本研究提出的综合优化方案通过牺牲极少量性能将计算速度提升了 25%。3.面向统计CSI的功率控制与链路调度联合优化方案资源优化能够显着的提升无线分布式缓存系统性能,降低系统花费的同时提高服务质量。本研究考虑在一个支持正交频分复用接入（Orthogonal Frequency Division Multiple Access,OFDMA）的蜂窝网络中D2D用户复用蜂窝用户的上行带宽资源的场景,在通信信道统计可知情形下,以最大化系统传输速率为目标,综合考虑能耗优化与链路调度问题,将目标建模成一个混合整数非线性规划问题。在目标函数优化过程中本文首先利用拉格朗日对偶方法将原问题转化成了一个分式规划问题,之后利用凸优化工具将分式规划问题转化成一个二次型求解。基于上述转化,本文提出了一个基于干扰消除的功率控制与链路调度方案来实现系统传输速率的最大化,并提出了三种求解方式,即连续优化方式,离散分段逼近方式和传统的离散匹配方式。仿真结果表明,相比于连续优化方式,本研究提出的离散分段逼近方式以12.1%的系统平均总速率损失将计算速度提升了 41.2%,与传统的离散匹配方式相比则以6.3%的计算速度损失将系统平均总速率提升了9.5 倍。4.无线分布式缓存系统架构设计与实现本文基于D2D技术,网络切片技术,网络功能虚拟化技术（Network Functions Virtualization,NFV）,MEC技术,SDN技术提出了一个无线分布式缓存系统架构方案,并对系统进行了实现。本文的系统方案是一个两层的服务型系统方案,在上层利用SDN控制器可以实现对网络的综合优化和管理,在下层利用SDN代理能够基于本地需求实现对本地网络的精准优化与管理,此外通过增加分布式计算架构,SDN代理之间还可以自发或者在SDN控制器的协助下完成协作任务。为了进一步提高系统内容服务效用,通过在系统中增加额外的设备管理和路由管理模块,将网络一切节点视为网络设备,成功实现了对传统网络中网际协议（Internet Protocol,IP）寻址方式的屏蔽,从而构建一个以内容服务为中心的服务型网络。在系统实现过程中本文主要基于嵌入式技术以及应用程序接口技术进行开发,针对不同的网络服务提供标准的管理接口和数据接口,从而使系统具有了良好的兼容性和开放性,同时实现可嵌入,可扩展,可编程等需求。测试结果表明,与现有系统相比,本系统在节点接入时间、传输速率、时延、抖动、吞吐量和平均响应时间性能上表现出色,也验证了本研究提出的内容流行度预测方案,内容缓存和分发联合优化方案以及功率控制和链路调度联合优化方案的有效性,在无线分布式缓存系统中具有良好的应用前景。
庞文哲[7]（2020）在《面向5G的移动性管理优化》文中提出为了支持第五代移动通信中大规模机器类型通信、高可靠和低时延通信、增强移动宽带等典型场景的不同业务需求,5G的新网络架构中采用网络功能虚拟化技术对网络服务进行管理和编排。AMF是新5G网络架构中支持移动性管理的关键网络功能组件,可以灵活地部署在异构无线接入网的边缘。通过在通用虚拟机上部署和编排AMF,并根据移动性管理需求和用户的移动性,对AMF的放置及其实例数目的自动伸缩优化,可以提高基于NFV的虚拟移动性管理的性能。本文针对异构无线接入网中的移动性管理优化进行研究,所做的研究工作和主要创新点包括:（1）考虑了用户移动性和用户移动性管理请求的到达率等时变特性,将AMF的放置问题建模为一个以AMF排队系统中的平均等待时间、转发移动性请求的平均跳数和AMF实例成本的加权之和最小为优化目标的优化问题。为了解决AMF优化放置中大状态空间和大动作空间的问题,提出了一种基于DRL的AMF-OP-DRL算法,给出了该算法在不同超参数下的收敛性能,仿真评估了所提算法在不同系统参数下的优化性能,验证了所提算法AMF-OP-DRL的性能;（2）针对AMF服务器的实例放置和AMF实例数目的自动伸缩优化问题进行了研究,提出并仿真评估了一种基于QMIX算法的AMF实例放置和数目自动伸缩优化算法。通过对每个智能体的动作值函数进行整合,并在训练的过程中加入全局的状态信息,所提算法与基准算法AMF-OPA-VDN和AMF-OPA-COMA相比,具有较显着的性能提升。
冯逸雪[8]（2020）在《3D动态环境下的无人机智能路径规划策略研究》文中认为凭借具有高移动性、低成本、可灵活部署的多方面优势,无人机在货物运输、移动通信、侦查监控等场景均有广泛应用。而路径规划是无人机实现全面部署,并在大规模实际应用场景中提供稳定、可靠服务所面临的重要问题。目前已经有大量的研究方法和成果考虑无人机在不同领域的路径规划问题,但都针对较为简化的约束限制和环境建模,难以保证3D动态环境中无人机的安全避障和实时计算。面对不确定环境中随时可能出现的各类障碍物,需要解决路径规划精确度和计算实时性之间的权衡问题。将路径规划任务分解为静态全局路径预规划和动态局部轨迹规划两个执行步骤是可行的解决方案,相应地,本文主要研究针对静态障碍物的全局路径预规划以及考虑动态障碍物的局部动态轨迹规划两个问题。与之相对应路径规划算法中面临以下挑战:1)无人机受到自身机动性能、外部环境约束限制,在大规模静态环境中保证路径规划精确度时计算复杂度过大;2)无人机的动态轨迹规划包括环境建模、碰撞预测、碰撞躲避等复杂流程,计算实时性较差难以保证无人机的安全飞行。针对上述挑战,本文提出静态全局、动态局部相结合的智能路径规划方法应对3D动态环境下的无人机路径规划问题,主要工作包括:1)调研并对比分析了现有路径规划方法在系统建模、路径搜索等环节的优势和不足;2)针对静态大规模环境中全局路径规划计算复杂度过大的问题,提出了基于六边形变化网格的VC-JPS路径规划算法,通过六边形变化网格策略将无人机飞行角度约束耦合到路径规划中,并改进了消除对称路径的剪枝、跳点规则,仿真结果表明该算法有效的降低了算法复杂度,减少计算时间;3)针对当前动态轨迹规划实时性较差难以保证无人机飞行安全的问题,提出了基于混合动态轨迹规划方法的VC-VQ策略。分别通过变化速度和强化学习的方法对确定轨迹和未知轨迹动态障碍物进行避障,仿真结果表明该方法有效的提高了安全避障率、计算实时性。
王鹏[9]（2020）在《语义地图及其关键技术研究》文中认为在深度学习快速发展的背景下,语义地图成为了SLAM（Simultaneous Localization and Mapping）领域研究的热点,并得到大量研究人员的关注。语义地图通过基于神经网络的语义分割、物体检测、实例分割等技术应用于SLAM建图方法中来实现对周围环境及物体的理解。该方与主流的视觉SLAM方法的不同之处在于其不是通过对基于底层像素层级的特征点来估计相机的运动姿势及环境建图,而是通过利用环境物体中的语义信息来辅助建图。这种方式相对于传统的SLAM建图方法而言更符合人类视觉系统的原理。此外,随着产品级深度采集设备的普及,为在可见光环境条件下的物体检测及物体语义分割算法提供了物理上的技术支持,为构建环境语义地图及物体识别的算法提供了性能优势。本文针对如何构建稳定有效的环境语义地图这一研究课题,从理解环境语义信息,识别环境物体信息,构建鲁棒的动态语义地图三个层面的问题进行分析,分别对环境语义信息识别、拓扑节点识别,小样本物体识别、动态环境下语义地图构建,环境物体数据库构建等多个方面进行研究。本文的主要贡献点包括:1、我们提出了一种构建拓扑环境语义地图的方法。该方法通过卷积神经网络识别场景中的语义信息,利用其投影信息构建2D环境语义地图,通过RGBD SLAM算法构建环境的三维地图,通过识别地图中的岔路节点构建拓扑节点信息。从而构建了一个包含2D环境语义信息,3D点云信息,拓扑节点信息的语义地图。2、我们基于小样本物体识别框架,提出一种称为嵌入自适应交叉调制机制（embedded adaptive cross-modulation,EACM）的网络结构并将其用于解决小样本物体识别问题。该方法一方面通过在度量空间中自适应的调整不同类别间的余弦度量距离,从而提高了可区分性,来提升分类效果。另一方面,在神经网络不同层之间通过一种交叉调制的方法,增强了支持集与验证集之间的特征交互,丰富了训练样本的特征表达,从而提升了分类效果。此外,我们还使用基于自适应注意力机制的神经网络来强化语义相关类别在嵌入特征空间中距离度量的比较、抑制语义不相关类别的距离度量的比较。通过将所有特征向量间余弦距离的度量结果乘以通过注意力网络训练出来的关系系数,从而使得不同类别间的分类效果更加明显。3、目前大多数面向语义地图的研究是以静态环境为地图构建的前提,而且往往侧重于3D点云图的构建或者是侧重于相机轨迹的构建,或者是侧重于对环境物体的识别。本文中我们使用动态点检测算法对图像中的动态关键点进行过滤,将现有视觉SLAM系统与语义分割神经网络等算法相结合,从而达到构建动态语义地图的效果。在构建动态语义地图的同时,通过语义信息优化了局部地图的建图效果,并构建了环境物体信息数据库。
毛青于[10]（2019）在《基于深度学习的Android恶意应用分类及其关键技术研究》文中进行了进一步梳理由于移动应用程序的激增、分发渠道的多极化、安全攻击方法的多样化,Android恶意应用的检测与分类研究面临极大挑战。与此同时,人工智能和机器学习方法的兴起,不断延伸出新的技术和算法来分析和检测恶意应用。有别于传统的基于特征序列的检测方法,深度学习模型能够更好地挖掘恶意特征和行为,从而更有效率地分析与检测恶意应用。本文即围绕Android恶意应用的分类与检测问题,开展基于深度学习的方法研究及其关键技术,主要工作包括:（1）基于词向量的语义文本建模方法,结合Android恶意应用的特点和恶意行为执行流程,提出了基于word2vec的特征向量化表示方法。具体而言,在恶意特征提取阶段,从应用描述和代码行为两个维度自动抽取程序的组件信息、权限及敏感API调用;在向量化表示阶段,采用word2vec构建恶意应用向量模型,将文本特征抽象成高维实数向量,以表征恶意应用特征间的相似性与关联性。经实验证明,该方法可以更好地表征恶意应用。（2）分析深度学习模型在恶意应用检测中的应用,设计并实现了基于深度神经网络的Android恶意分类模型OP-DBN。针对深度学习模型构建的复杂度高、耗时大等关键问题,提出特征精简和样本优选的新方法。具体而言,首先基于随机森林的平均不纯度减少策略,优先选择重要性较高的特征作为分类器的特征,再使用聚类算法对现有样本进行聚类,提取中心样本作为训练样本,最后融合工作1的特征表示方法,基于word2vec构建的特征向量模型,提出恶意应用的分类模型DP-S-DBN。实验结果显示,准确率为99.25%,训练时间较OP-DBN缩短了36.7%,既可明显提升训练效率,也能提高准确率。（3）研制了一个Android恶意应用检测和模型评估平台的原型系统,并通过集成多种反病毒查杀引擎实现当前业界部分检测方法的评估,可应用于Android恶意样本的搜集、检测引擎的评估、安全威胁情报分析等,推动基于深度学习的Android恶意应用分析技术的发展。
二、移动Agent框架的设计及其关键技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、移动Agent框架的设计及其关键技术（论文提纲范文）
（1）移动无线接入网中基于学习的内容缓存优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 本文的研究工作 |
| 1.3 论文的内容结构安排 |
| 第二章 基于学习的内容缓存优化及其关键技术 |
| 2.1 基于学习的内容缓存优化 |
| 2.2 基于学习的内容缓存优化关键技术 |
| 2.2.1 内容缓存技术 |
| 2.2.2 机器学习方法 |
| 2.3 基于学习的内容缓存优化的研究现状 |
| 2.3.1 基于学习的内容缓存策略研究 |
| 2.3.2 基于学习的内容流行度预测研究 |
| 2.4 本章小结 |
| 第三章 IoP中基于社会感知和多智能体协同强化学习的内容缓存优化 |
| 3.1 IoP范式 |
| 3.2 IoP中基于社会感知的内容缓存优化建模 |
| 3.2.1 物理网络模型 |
| 3.2.2 社会关系模型 |
| 3.2.3 内容模型 |
| 3.2.4 内容搜索模型 |
| 3.2.5 内容缓存优化建模 |
| 3.3 基于多智能体强化学习的内容缓存优化方法 |
| 3.3.1 基于独立强化学习的内容缓存优化算法(I-RL) |
| 3.3.2 基于联合共享Q值的强化学习的内容缓存优化算法(JSQ-RL) |
| 3.3.3 基于联合动作的强化学习的内容缓存优化算法(JA-RL) |
| 3.3.4 基于联合回馈奖励值的强化学习的内容缓存优化算法(JBR-RL) |
| 3.4 基于多智能体强化学习的内容缓存优化方法性能评估 |
| 3.4.1 性能指标 |
| 3.4.2 基线算法 |
| 3.4.3 仿真参数 |
| 3.4.4 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于内容流行度预测的内容缓存优化 |
| 4.1 系统场景 |
| 4.2 内容流行度预测和内容放置的信息处理时序 |
| 4.3 基于内容流行度预测的内容缓存优化问题建模 |
| 4.3.1 系统建模 |
| 4.3.2 基于模糊聚类的UA预测 |
| 4.3.3 基于联合特征的内容流行度预测 |
| 4.3.4 基于联邦学习的内容流行度预测 |
| 4.3.5 基于内容流行度预测的内容缓存优化放置 |
| 4.4 基于内容流行度预测的内容缓存优化算法的性能评估 |
| 4.4.1 性能指标 |
| 4.4.2 仿真中采用的数据集及其数据预处理 |
| 4.4.3 仿真参数设置 |
| 4.4.4 仿真评估中的基线算法 |
| 4.4.5 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 论文研究工作总结和下一步研究工作展望 |
| 5.1 论文研究工作总结 |
| 5.2 下一步研究工作展望 |
| 参考文献 |
| 孜谢 |
| 攻读学位期间发表的学术论文目录 |
（2）基于深度强化学习的多无人机轨迹规划策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 轨迹规划方法研究现状 |
| 1.2.2 基于强化学习的多无人机轨迹规划研究现状 |
| 1.3 主要研究工作与创新 |
| 1.4 论文结构安排 |
| 第二章 无人机轨迹规划及其关键技术 |
| 2.1 无人机轨迹规划问题概述 |
| 2.1.1 无人机辅助通信系统 |
| 2.1.2 无人机轨迹规划问题 |
| 2.2 基于优化理论的轨迹规划方法 |
| 2.3 基于强化学习的轨迹规划方法 |
| 2.3.1 随机博弈 |
| 2.3.2 深度强化学习 |
| 2.4 本章小结 |
| 第三章 面向传输任务完成率的多无人机轨迹规划 |
| 3.1 引言 |
| 3.2 系统建模 |
| 3.3 传输任务完成率最大化的多无人机轨迹规划策略 |
| 3.3.1 问题建模 |
| 3.3.2 算法思想及流程 |
| 3.3.3 计算复杂度分析 |
| 3.4 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 面向信息年龄的多无人机轨迹规划 |
| 4.1 引言 |
| 4.2 系统建模 |
| 4.3 信息年龄最小化的多无人机轨迹规划策略 |
| 4.3.1 分布式传输协议 |
| 4.3.2 问题建模 |
| 4.3.3 算法思想及流程 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 研究展望 |
| 附录 英文缩略词对照表 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间研究成果 |
（3）异构网络中基于图神经网络的MPTCP性能优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语说明 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 MPTCP协议的发展 |
| 1.2.2 异构网络中的研究 |
| 1.3 研究内容与组织结构 |
| 1.3.1 研究内容 |
| 1.3.2 组织结构 |
| 第2章 MPTCP及其关键技术 |
| 2.1 多路径传输的实现 |
| 2.2 多路径传输关键技术 |
| 2.2.1 多路径路由 |
| 2.2.2 数据包调度 |
| 2.2.3 拥塞控制 |
| 2.2.4 算法总结 |
| 2.3 图神经网络简介 |
| 2.3.1 图与图神经网络 |
| 2.3.2 消息传递神经网络 |
| 2.4 本章小结 |
| 第3章 SDN中基于GNN的多路径路由 |
| 3.1 引言 |
| 3.2 多路径路由问题分析 |
| 3.3 多路径路由方案吞吐量预测模型 |
| 3.3.1 问题建模 |
| 3.3.2 图神经网络模型 |
| 3.4 SDN中基于GNN的多路径路由算法 |
| 3.4.1 系统架构 |
| 3.4.2 性能评估 |
| 3.5 本章小结 |
| 第4章 SDN中基于GNN的MPTCP数据包调度 |
| 4.1 引言 |
| 4.2 数据包调度问题分析 |
| 4.3 数据包调度方案吞吐量预测模型 |
| 4.3.1 问题建模 |
| 4.3.2 图神经网络模型 |
| 4.4 SDN中基于GNN的MPTCP数据包调度 |
| 4.4.1 子流管理与数据调度模块 |
| 4.4.2 系统架构 |
| 4.4.3 性能评估 |
| 4.5 本章小结 |
| 第5章 基于GNN的MPTCP拥塞控制 |
| 5.1 引言 |
| 5.2 拥塞控制问题分析 |
| 5.2.1 网络公平性 |
| 5.2.2 现有算法总结 |
| 5.3 拥塞控制网络方案公平性预测模型 |
| 5.3.1 问题建模 |
| 5.3.2 图神经网络模型 |
| 5.4 基于GNN的MPTCP拥塞控制算法 |
| 5.4.1 算法流程 |
| 5.4.2 性能评估 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录A 在读期间发表的学术论文与取得的研究成果 |
（4）支持产品概念设计的专利知识挖掘方法及其原型系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 产品概念设计概述 |
| 1.2.1 产品创新设计相关概念 |
| 1.2.2 概念设计的内涵 |
| 1.2.3 概念设计过程模型的研究 |
| 1.3 辅助产品创新设计的功能基和专利知识研究 |
| 1.3.1 产品功能的定义与表达 |
| 1.3.2 功能基支持产品创新设计的研究 |
| 1.3.3 基于专利知识辅助产品创新设计的研究 |
| 1.4 面向产品创新设计的专利分类与检索研究 |
| 1.4.1 面向产品创新设计的专利分类研究 |
| 1.4.2 面向产品创新设计的专利检索研究 |
| 1.5 存在的主要问题与本论文研究的技术路线 |
| 1.5.1 存在的主要问题 |
| 1.5.2 本论文研究的技术路线 |
| 1.6 论文的体系架构与主要研究内容 |
| 2 专利知识辅助产品概念设计过程模型及其关键技术 |
| 2.1 引言 |
| 2.2 基于功能基的概念设计求解过程模型 |
| 2.2.1 功能基的建立 |
| 2.2.2 建立基于功能基的概念设计求解过程模型 |
| 2.3 专利知识辅助产品概念设计过程模型 |
| 2.4 基于功能基的专利分类关键技术 |
| 2.4.1 专利获取及其标签设定 |
| 2.4.2 专利成分选择及预处理 |
| 2.4.3 特征选择与专利向量化表示模型 |
| 2.4.4 专利分类算法与分类性能评价 |
| 2.5 本章小结 |
| 3 基于功能基的专利分类特征权重计算方法研究 |
| 3.1 引言 |
| 3.2 专利分类中测试集专利特征权重计算方法分析 |
| 3.2.1 现有的无监督特征权重计算方法分析 |
| 3.2.2 现有的有监督特征权重计算方法分析 |
| 3.3 无监督的专利特征权重计算方法 |
| 3.4 有监督的专利特征权重计算方法 |
| 3.4.1 融合词-文本-类别的多层次专利特征权重计算模型 |
| 3.4.2 基于累积剩余熵的专利特征权重计算 |
| 3.5 基于语义的专利特征权重计算方法 |
| 3.5.1 词向量模型及基于词向量的专利特征权重计算 |
| 3.5.2 基于加权词向量的专利特征权重计算 |
| 3.5.3 基于证据理论的专利特征权重计算 |
| 3.5.4 基于圆周卷积的专利特征权重计算 |
| 3.5.5 基于卷积神经网络的专利特征权重计算 |
| 3.5.6 基于语义向量空间模型的专利特征权重计算 |
| 3.6 实验设计及结果分析 |
| 3.6.1 无监督的专利特征权重计算结果与分析 |
| 3.6.2 有监督的专利特征权重计算结果与分析 |
| 3.6.3 基于语义的专利特征权重计算结果与分析 |
| 3.7 本章小结 |
| 4 支持产品概念设计的专利知识挖掘与检索方法研究 |
| 4.1 引言 |
| 4.2 专利知识表示及其提取规则 |
| 4.2.1 专利知识的表示 |
| 4.2.2 专利知识的提取规则 |
| 4.3 基于国际专利分类表的专利知识检索意图识别与理解方法 |
| 4.3.1 问题的提出 |
| 4.3.2 建立基于国际专利分类表的意图单元 |
| 4.4 基于国际专利分类表的专利知识检索方法 |
| 4.4.1 功能动词的建立 |
| 4.4.2 基于国际专利分类表的专利知识检索流程 |
| 4.5 本章小结 |
| 5 支持产品概念设计的专利知识挖掘原型系统及其应用实例 |
| 5.1 引言 |
| 5.2 系统开发环境及总体框架 |
| 5.2.1 系统开发环境 |
| 5.2.2 系统总体框架 |
| 5.3 专利知识挖掘原型系统开发及其应用实例 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间取得的科研成果 |
| 攻读博士学位期间参与的科研项目 |
| 致谢 |
（5）基于机器视觉的城市道路交叉口交通参数提取及交通信号控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 交通信号控制的研究现状 |
| 1.3 交通参数提取技术的研究现状 |
| 1.4 交通目标运动信息获取的研究现状 |
| 1.5 论文的研究思路和内容 |
| 1.5.1 基于多目标跟踪算法和区域编码的交通参数提取方法 |
| 1.5.2 基于相机标定算法的交通目标运动信息获取方法 |
| 1.5.3 基于机器视觉的道路交叉口交通信号控制方法 |
| 1.6 论文的安排与结构 |
| 第二章 城市道路交叉口交通信号控制及其关键技术 |
| 2.1 单交叉口交通信号控制系统的组成 |
| 2.2 交通信号控制方案及参数设计 |
| 2.3 交通信号控制算法 |
| 2.4 交通信号控制评价指标 |
| 2.5 本章小结 |
| 第三章 基于视频分析的道路交叉口交通参数提取 |
| 3.1 引言 |
| 3.2 检测及评价数据集 |
| 3.2.1 车辆计数数据集 |
| 3.2.2 车辆检测数据集 |
| 3.3 基于视频的交通参数提取总体框架 |
| 3.3.1 车辆目标检测方法及模型构建 |
| 3.3.2 目标跟踪算法分析 |
| 3.4 交通场景下的多目标跟踪算法 |
| 3.4.1 模板匹配算法 |
| 3.4.2 高置信度跟踪器的选择 |
| 3.4.3 轨迹跟踪算法 |
| 3.4.4 轨迹的更新与删除 |
| 3.4.5 多目标跟踪算法 |
| 3.5 轨迹处理和信息提取算法 |
| 3.5.1 车辆的类别判定 |
| 3.5.2 区域编码算法 |
| 3.5.3 交通参数信息提取 |
| 3.6 实验结果与分析 |
| 3.6.1 目标检测算法及数据集测试实验 |
| 3.6.2 交通流信息统计实验 |
| 3.6.3 交通组成信息统计实验 |
| 3.7 本章小结 |
| 第四章 道路交叉口场景下的相机标定及目标运动信息提取 |
| 4.1 引言 |
| 4.2 交通场景下的相机成像与模型构建 |
| 4.3 相机标定算法模型 |
| 4.3.1 基于标志物的建模方法 |
| 4.3.2 基于消失点的建模方法 |
| 4.3.3 不同交通场景下的相机标定问题分析 |
| 4.4 基于虚拟网格的离线标定算法 |
| 4.4.1 相机内外参数获取分析 |
| 4.4.2 算法流程 |
| 4.5 基于车辆模型的自动标定算法 |
| 4.5.1 沿着道路方向消失点的获取 |
| 4.5.2 垂直道路方向消失点的获取 |
| 4.5.3 算法流程 |
| 4.6 道路交叉口场景交通目标的运动信息提取 |
| 4.7 实验结果与分析 |
| 4.7.1 基于虚拟网格方法的实验 |
| 4.7.2 基于车辆模型方法的实验 |
| 4.8 本章小结 |
| 第五章 基于机器视觉的道路交叉口交通信号控制 |
| 5.1 引言 |
| 5.2 基于视频的自适应交通信号控制系统 |
| 5.3 基于参数优化的道路交叉口信号控制方法 |
| 5.3.1 基于参数优化的当量交通量计算方法 |
| 5.3.2 信号控制周期和绿信比计算 |
| 5.3.3 实验结果与分析 |
| 5.4 基于模糊逻辑的自适应信号控制算法 |
| 5.4.1 模糊逻辑理论 |
| 5.4.2 基于模糊逻辑的控制过程 |
| 5.4.3 基于模糊逻辑的自适应交通信号控制算法 |
| 5.4.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）面向无线分布式缓存的内容部署及资源管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 无线分布式缓存系统的研究现状 |
| 1.2.1 内容流行度研究现状 |
| 1.2.2 内容缓存与分发策略研究现状 |
| 1.2.3 频谱资源管理研究现状 |
| 1.2.4 系统架构设计与实现现状 |
| 1.3 本文研究的内容与创新点 |
| 1.4 本文的组织结构 |
| 第二章 面向物理-社交跨域缓存环境下的内容流行度预测方案 |
| 2.1 引言 |
| 2.2 基于用户共同兴趣的内容流行度预测建模 |
| 2.2.1 共同兴趣模型及内容流行度 |
| 2.2.2 成功传输概率 |
| 2.2.3 内容流行度预测模型 |
| 2.3 基于狄利克雷的内容流行度预测方案 |
| 2.3.1 基于机器学习的共同兴趣模型及内容流行度预测算法 |
| 2.3.2 问题转换及求解 |
| 2.4 仿真及结果分析 |
| 2.4.1 仿真参数及数据集 |
| 2.4.2 仿真结果分析 |
| 2.5 本章小结 |
| 第三章 面向能耗最小化的内容缓存与分发联合优化方案 |
| 3.1 引言 |
| 3.2 内容缓存与分发问题建模 |
| 3.2.1 场景描述 |
| 3.2.2 内容分发平均能耗最小化模型 |
| 3.2.3 模型分析及问题优化方案 |
| 3.3 无线分布式缓存系统中缓存节点选取策略优化方案 |
| 3.3.1 问题转换 |
| 3.3.2 基于PageRank算法的分布式缓存节点选取策略优化 |
| 3.4 无线分布式缓存系统中内容缓存策略优化方案 |
| 3.4.1 问题转换 |
| 3.4.2 基于置信度传播的分布式内容缓存策略优化 |
| 3.5 无线分布式缓存系统中内容分发策略优化 |
| 3.5.1 问题转换 |
| 3.5.2 基于置信度传播的分布式内容分发策略优化 |
| 3.6 无线分布式缓存系统中内容缓存与分发联合优化 |
| 3.6.1 基于启发式算法的内容共享联合策略优化方案 |
| 3.6.2 复杂度分析 |
| 3.7 仿真结果及分析 |
| 3.8 本章小结 |
| 3.9 附录Ⅰ: 最大积置信度传播算法 |
| 3.10 附录Ⅱ: 等式(3-44)的证明 |
| 3.11 附录Ⅲ: 等式(3-49)的证明 |
| 第四章 面向统计CSI的功率控制与链路调度联合优化方案 |
| 4.1 引言 |
| 4.2 基于最大化系统传输速率方案建模 |
| 4.2.1 场景描述 |
| 4.2.2 最大化系统传输速率模型 |
| 4.3 基于分式规划的干扰消除综合优化方案 |
| 4.3.1 基于拉格朗日方程的问题转换方案 |
| 4.3.2 基于分式规划的问题转换方案 |
| 4.3.3 基于干扰消除的功率控制与链路调度联合优化方案 |
| 4.4 仿真结果及分析 |
| 4.5 本章小结 |
| 第五章 无线分布式缓存系统架构设计与实现方案 |
| 5.1 引言 |
| 5.2 无线分布式缓存系统架构设计 |
| 5.2.1 系统应用场景及整体需求 |
| 5.2.2 系统设计思路 |
| 5.2.3 系统逻辑架构 |
| 5.2.4 基于SDN的系统功能模块设计 |
| 5.2.5 系统主要业务逻辑 |
| 5.3 无线分布式缓存系统实现方案 |
| 5.3.1 基于SDN的信息收集与决策子系统 |
| 5.3.2 设备管理子系统 |
| 5.3.3 内容管理以及服务子系统 |
| 5.3.4 网络路由管理子系统 |
| 5.3.5 系统部署方案 |
| 5.4 系统测试实验 |
| 5.4.1 测试一: MEC到用户的传输性能测试 |
| 5.4.2 测试二: 用户到用户传输性能测试 |
| 5.4.3 测试三: 单AP内容请求模式下网络性能测试 |
| 5.4.4 测试四: 同一缓存方案多AP内容请求模式下网络性能测试 |
| 5.4.5 测试五: 不同缓存方案多AP内容请求模式下网络性能测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作级展望 |
| 参考文献 |
| 附录A 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（7）面向5G的移动性管理优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 本文的研究工作 |
| 1.3 论文的内容和章节结构安排 |
| 第二章 移动性管理优化演进及其关键技术研究 |
| 2.1 基于EPC架构的移动性管理优化 |
| 2.1.1 EPC架构及其虚拟化 |
| 2.1.2 基于DMME的移动性管理及其优化 |
| 2.1.3 基于vMME的移动性管理及其优化 |
| 2.2 面向5G的移动性管理优化 |
| 2.2.1 5G核心网网络架构 |
| 2.2.2 基于5G核心网网元的放置和自动伸缩优化 |
| 2.3 本章小结 |
| 第三章 基于深度强化学习的AMF放置优化 |
| 3.1 系统模型 |
| 3.1.1 5G异构无线接入网络场景 |
| 3.1.2 基于MANO的AMF编排框架 |
| 3.1.3 移动性管理请求模型 |
| 3.1.4 AMF排队论模型 |
| 3.2 基于深度强化学习的AMF放置优化 |
| 3.2.1 基于MDP的AMF放置优化问题建模 |
| 3.2.2 基于深度强化学习的AMF放置方法 |
| 3.3 AMF-OP-DRL算法的参数设置及仿真评估 |
| 3.3.1 移动性管理相关的参数设置 |
| 3.3.2 AMF排队系统的参数设置 |
| 3.3.3 DQN相关的参数设置 |
| 3.3.4 AMF-OP-DRL的收敛性能 |
| 3.3.5 移动性管理请求到达率对AMF服务器数目的影响 |
| 3.3.6 权重系数对时延、跳数和AMF成本的影响 |
| 3.3.7 AMF-OP-DRL算法与其他基准算法的性能比较 |
| 3.4 本章小结 |
| 第四章 基于多智能体强化学习的AMF放置和自动伸缩优化 |
| 4.1 基于协作的多智能体决策 |
| 4.1.1 部分可观马尔科夫决策过程 |
| 4.1.2 去中心化的部分可观马尔科夫决策过程 |
| 4.1.3 多智能体动作值函数的整合 |
| 4.1.4 QMIX算法 |
| 4.2 基于QMIX的AMF放置和自动伸缩优化算法 |
| 4.3 AMF-OPA-QMIX算法的性能评估 |
| 4.3.1 系统环境相关的参数设置 |
| 4.3.2 与QMIX相关的参数设置 |
| 4.3.3 AMF-OPA-QMIX算法的收敛性能 |
| 4.3.4 AMF-OPA-QMIX算法与其它基线算法的性能比较 |
| 4.4 本章小结 |
| 第五章 论文研究工作总结和下一步研究工作展望 |
| 5.1 论文研究工作总结 |
| 5.2 下一步研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（8）3D动态环境下的无人机智能路径规划策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机路径规划系统研究现状 |
| 1.2.2 无人机静态全局路径规划研究现状 |
| 1.2.3 无人机动态局部轨迹规划研究现状 |
| 1.3 主要研究工作与创新 |
| 1.4 论文章节安排 |
| 第二章 无人机路径规划系统及其关键技术 |
| 2.1 无人机路径规划问题概述 |
| 2.1.1 无人机路径规划系统组成 |
| 2.1.2 无人机路径规划性能指标 |
| 2.2 无人机路径规划系统建模基础 |
| 2.2.1 无人机环境空间划分方法 |
| 2.2.2 无人机机动性能限制及环境约束 |
| 2.3 无人机路径搜索算法 |
| 2.3.1 无人机静态全局路径搜索算法 |
| 2.3.2 无人机动态局部路径搜索算法 |
| 2.4 本章小结 |
| 第三章 静态环境下无人机全局路径规划方法 |
| 3.1 研究概述 |
| 3.1.1 相关工作和动机 |
| 3.1.2 研究思路 |
| 3.2 基于六边形变化网格的无人机静态路径规划算法 |
| 3.2.1 系统建模 |
| 3.2.2 六边形变化网格策略 |
| 3.2.3 二维平面上基于变化网格策略的JPS寻径算法 |
| 3.2.4 三维空间中基于变化网格策略的JPS寻径算法 |
| 3.3 算法仿真及分析 |
| 3.3.1 环境建模 |
| 3.3.2 仿真结果分析 |
| 3.3.3 相关算法对比 |
| 3.4 本章小结 |
| 第四章 动态环境下无人机局部轨迹规划方法 |
| 4.1 研究概述 |
| 4.1.1 相关工作和动机 |
| 4.1.2 研究思路 |
| 4.2 基于混合动态轨迹规划方法的无人机智能轨迹规划策略 |
| 4.2.1 系统建模 |
| 4.2.2 基于变化速度的无人机局部轨迹规划方法 |
| 4.2.3 基于强化学习的无人机智能局部轨迹规划算法 |
| 4.3 算法仿真及分析 |
| 4.3.1 环境建模 |
| 4.3.2 仿真结果分析 |
| 4.3.3 相关算法对比 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（9）语义地图及其关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 通过SLAM辅助构建语义信息 |
| 1.2.2 通过语义信息辅助SLAM建图 |
| 1.3 构建语义地图需解决的主要科学问题 |
| 1.4 文章主要内容及结构 |
| 第2章 语义地图系统建模 |
| 2.1 引言 |
| 2.2 实验平台建模 |
| 2.2.1 图像采集设备建模 |
| 2.2.2 移动平台建模 |
| 2.3 语义地图建模 |
| 2.3.1 视觉SLAM算法概述 |
| 2.3.2 语义地图构建过程中面临的挑战 |
| 2.3.3 构建语义地图的必要条件 |
| 2.3.4 各章节之间的关系 |
| 2.4 本章小结 |
| 第3章 多层次环境语义地图的构建 |
| 3.1 引言 |
| 3.1.1 研究背景及意义 |
| 3.1.2 相关研究工作 |
| 3.2 多层次环境语义地图的构建方法 |
| 3.2.1 方法概述 |
| 3.2.2 二维栅格地图构建方法 |
| 3.2.3 环境语义信息识别方法 |
| 3.2.4 基于概率分布的环境语义地图构建方法 |
| 3.2.5 三维地图的构建方法 |
| 3.2.6 岔路拓扑地图的构建方法 |
| 3.3 实验及分析 |
| 3.3.1 真实场景下 3D语义地图构建效果 |
| 3.3.2 岔路拓扑节点识别效果 |
| 3.3.3 环境地图优化方法对比 |
| 3.4 本章小结 |
| 第4章 小样本条件下环境物体的识别 |
| 4.1 引言 |
| 4.1.1 研究背景及意义 |
| 4.1.2 国内外研究现状 |
| 4.2 小样本条件下环境物体的识别方法 |
| 4.2.1 小样本学习问题描述 |
| 4.2.2 方法概述 |
| 4.2.3 交叉调制模块方法研究 |
| 4.2.4 自适应余弦度量模块方法研究 |
| 4.2.5 自适应注意力机制方法研究 |
| 4.2.6 三个模块之间的平衡关系 |
| 4.3 实验及分析 |
| 4.3.1 数据集介绍 |
| 4.3.2 试验实施细节 |
| 4.3.3 消融性研究 |
| 4.3.4 在mini-Image Net数据集下的分类结果对比 |
| 4.3.5 在CUB-200 数据集下的分类结果对比 |
| 4.4 本章小结 |
| 第5章 动态环境中的语义地图构建 |
| 5.1 引言 |
| 5.1.1 研究背景及意义 |
| 5.1.2 相关工作研究 |
| 5.2 动态环境中的语义地图构建方法 |
| 5.2.1 方法概述 |
| 5.2.2 获取 2D及 3D实例分割信息的方法 |
| 5.2.3 动态点检测算法 |
| 5.2.4 构建八叉树环境地图的方法 |
| 5.2.5 构建静态物体目标数据库的方法 |
| 5.3 实验及分析 |
| 5.3.1 数据集介绍 |
| 5.3.2 动态特征点去除效果的比较 |
| 5.3.3 相机运动轨迹位姿估计对比 |
| 5.3.4 环境物体数据库构建结果 |
| 5.3.5 真实场景的建图效果 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（10）基于深度学习的Android恶意应用分类及其关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 恶意代码静态分析方法 |
| 1.2.2 恶意代码动态分析方法 |
| 1.2.3 基于机器学习的恶意检测方法 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术 |
| 2.1 Android系统及恶意应用 |
| 2.1.1 Android体系结构及应用 |
| 2.1.2 Android系统安全 |
| 2.1.3 Android恶意行为 |
| 2.1.4 Android恶意特征分析 |
| 2.2 词向量概述 |
| 2.3 深度置信网络模型 |
| 2.3.1 受限的波尔茨曼机 |
| 2.3.2 深度置信网络 |
| 2.4 聚类方法概述 |
| 2.5 本章小结 |
| 第三章 基于DBN的 Android恶意应用检测 |
| 3.1 检测模型OP-DBN概要设计 |
| 3.2 恶意特征挖掘与向量化研究 |
| 3.3 基于DBN的模型构建 |
| 3.4 实验设计与结果分析 |
| 3.4.1 数据集及实验环境 |
| 3.4.2 评价指标 |
| 3.4.3 传统机器学习算法 |
| 3.4.4 分类模型对比实验 |
| 3.4.5 模型参数优化分析 |
| 3.5 本章小结 |
| 第四章 基于word2vec和 DBN的 Android恶意应用检测 |
| 4.1 针对OP-DBN模型的改进 |
| 4.2 基于词向量的恶意特征向量化模型 |
| 4.3 特征精简和样本中心化的方法研究 |
| 4.3.1 基于随机森林MDI策略的特征精简方法 |
| 4.3.2 样本中心化的优选方法 |
| 4.4 实验设计与结果分析 |
| 4.4.1 分类模型对比实验 |
| 4.4.2 特征精简分析 |
| 4.4.3 样本精简对比实验 |
| 4.4.4 相关工作对比实验 |
| 4.4.5 主流反病毒软件对比实验 |
| 4.5 本章小结 |
| 第五章 Android恶意应用检测和模型评估平台 |
| 5.1 系统应用场景 |
| 5.2 系统总体架构设计 |
| 5.3 系统学术模型模块设计 |
| 5.4 DR-S-DBN模型的设计与实现 |
| 5.5 系统平台应用层的设计 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 3 参与的科研项目及获奖情况 |
| 4 发明专利 |
| 学位论文数据集 |
四、移动Agent框架的设计及其关键技术（论文参考文献）
- [1]移动无线接入网中基于学习的内容缓存优化[D]. 熊宇. 北京邮电大学, 2021(01)
- [2]基于深度强化学习的多无人机轨迹规划策略研究[D]. 陈泽超. 北京邮电大学, 2021(01)
- [3]异构网络中基于图神经网络的MPTCP性能优化研究[D]. 朱霆. 中国科学技术大学, 2021(09)
- [4]支持产品概念设计的专利知识挖掘方法及其原型系统研究[D]. 唐忠. 四川大学, 2021(12)
- [5]基于机器视觉的城市道路交叉口交通参数提取及交通信号控制[D]. 戴喆. 长安大学, 2020(06)
- [6]面向无线分布式缓存的内容部署及资源管理研究[D]. 钏建斌. 北京邮电大学, 2021(01)
- [7]面向5G的移动性管理优化[D]. 庞文哲. 北京邮电大学, 2020(05)
- [8]3D动态环境下的无人机智能路径规划策略研究[D]. 冯逸雪. 北京邮电大学, 2020(04)
- [9]语义地图及其关键技术研究[D]. 王鹏. 中国科学院大学(中国科学院深圳先进技术研究院), 2020(07)
- [10]基于深度学习的Android恶意应用分类及其关键技术研究[D]. 毛青于. 浙江工业大学, 2019(02)