导读:本文包含了网络队列模型论文开题报告文献综述及选题提纲参考文献，主要关键词:老年人,贝叶斯网络,认知功能评价,因果推断
网络队列模型论文文献综述
杨蓓[1]（2017）在《贝叶斯网络模型在老年人认知功能评价队列研究中的应用》一文中研究指出目的:基于阿尔茨海默病(Alzheimer disease,AD)的疾病自然史,将贝叶斯网络模型应用于老年人认知评价研究,建立老年人认知功能评价的推理及预测模型,探讨影响老年人认知功能的因素,为制定AD不同发展阶段的防治措施提供理论依据。同时从实际应用角度出发,挖掘贝叶斯统计在队列研究数据分析中的优势,为其他慢性病的进程研究提供方法学借鉴,将精准医学的概念扩展至疾病风险预测。方法:采用项目组前期的调查随访数据,以2014年5月的数据为基线数据,对301名调查对象以正常老化→轻度认知损害(Mild Cognitive Impairment,MCI)、MCI→中重度认知损害、中重度认知损害→AD是否转移构建Logistic回归模型,筛选对认知退化有影响的因素,将进入模型的所有变量构建贝叶斯网络模型,分析各变量间的概率依赖关系,并采用10折交叉验证法对建模数据和2016年5月的随访数据进行模型预测效果评价,实现老年人认知功能评价的推理及预测。结果:1、Logistic回归模型结果显示,年龄(OR:1.794,95%CI:1.200-2.682)、性别(OR:4.125,95%CI:2.017-8.436)、受教育程度(OR:0.633,95%CI:0.448-0.894)、抑郁程度(OR:4.458,95%CI:1.915-10.377)、高血压(OR:2.346,95%CI:1.086-5.069)对正常老化→MCI的转移有影响;年龄(OR:2.450,95%CI:1.212-4.953)、性别(OR:0.118,95%CI:0.031-0.442)、受教育程度(OR:0.614,95%CI:0.375-1.004)、性格(OR:0.092,95%CI:0.013-0.662)、婚姻状况(OR:0.272,95%CI:0.086-0.862)、家庭人均收入(OR:0.456,95%CI:0.273-0.762)、身体活动(OR:0.631,95%CI:0.407-0.980)和读书看报(OR:0.432,95%CI:0.188-0.992)、抑郁程度(OR:97.144,95%CI:21.452-439.909)、高血压(OR:0.304,95%CI:0.077-1.199)、脑外伤史(OR:0.188,95%CI:0.037-0.959)均对MCI→中重度认知损害转移有影响;性别(OR:0.328,95%CI:0.087-1.234)、婚姻状况(OR:0.102,95%CI:0.043-0.243)、离休前职业(OR:7.799,95%CI:1.242-48.955)、饮酒(OR:0.126,95%CI:0.016-0.997)、抑郁程度(OR:3.560,95%CI:0.998-12.705)在中重度认知损害→AD转移中有统计学意义。2、用于构建贝叶斯网络结构的节点包括认知功能、抑郁程度、性别、年龄、性格、受教育程度、婚姻状况、家庭人均收入、离休前职业、读书看报、身体活动、饮酒、脑外伤史、高血压。结果显示模型的期望损失为10.28,且贝叶斯网络的预测效能优于其他分类器效能,对认知功能的预测准确率为77.14%,灵敏度为0.869,特异度为0.770,抑郁情况的预测准确率为80.07%,灵敏度为0.801,特异度为0.648。对老年人认知功能有直接作用的是高血压、受教育程度、离休前职业和抑郁程度,性别、家庭人均收入、婚姻状况、读书看报、身体活动、性格分别通过受教育程度、离休前职业、抑郁程度、高血压间接作用于认知功能。结论:1、高血压、受教育程度、离休前职业和抑郁程度与老年人认知功能可能有直接因果关系,性别、家庭人均收入、婚姻状况、读书看报、身体活动、性格可能分别通过受教育程度、离休前职业、抑郁程度、高血压间接作用于认知功能。老年人在平时的生活中多读书、进行适当的身体活动、培养外向的性格和适当饮酒可能延缓认知和记忆的退化。2、将贝叶斯网络应用于老年人认知队列研究,可以直观地了解认知功能影响因素之间的相互关系,并实现了因果推断和个体的疾病风险预测,表明其在医学研究中的优势和在其他疾病中实践的可行性。(本文来源于《山西医科大学》期刊2017-06-11）
杨雯[2]（2017）在《到达率随时间变化的网络队列模型》一文中研究指出排队在生产、生活、科技和计算机等方面广泛存在,随着时代的进步,网络队列更是应用到各个领域。本文主要研究到达率随时间变化的网络队列模型。顾客到达的规律与系统服务台的配置,是影响队列的重要因素,本文主要针对到达率函数进行研究。要研究网络队列模型,首先要研究多队列模型Gt/Mt/st + GIt。本文对模型配置函数的可行性、系统动态约束、初始条件、边界等待时间、光滑性、到达率与初始队列密度、最小服务率、随时间变化的放弃率等做出一系列假设,在这些假设成立的前提下,得到多队列模型的一系列性能指标,如系统的服务容量B(t)及其密度函数b(t,x)、队列密度q(t,x)、边界等待时间ω(t)、潜在等待时间V(t)等,利用经典的Picard-Lindelof定理对边界等待时间ω(t)解的存在唯一性进行证明。并对进入服务的顾客总量E(t)、服务完成量S(t)、服务容量B(t)、放弃量A(t)、队列容量Q(t)的Lipschitz连续性进行了证明。本文研究的模型是在低负荷与超负荷之间转换的,控制转换步长也很重要。本文通过Gt/M/st + M队列,研究了计算时间C(ΔT)与转换步长ΔT的关系,当时间间隔固定时计算时间C(φ)与转换次数φ的关系,当转换次数固定时计算时间C(T)与时间间隔T的关系。对网络队列模型的研究是本文的核心。分别通过固定点方程法(FPE)和解常微分方程法(ODE)对模型到达率函数进行分析。对于固定点方程法,我们应用Banach压缩不动点定理可得到达率函数Ψ是单调压缩算子,通过递归迭代法求得到达率函数,再应用多队列模型Gt/Mt/st+ GIt的性能指标计算,得到网络队列模型的一系列性能指标。对于解常微分方程法,考虑多维ODE方程,得到每一个队列的到达率函数之后,通过多队列模型计算公式可得网络队列模型的性能函数。最后对相关稳态网络队列模型进行研究。确定顾客到达与系统服务配置,可对系统进行最优化设计,创造更好的经济效益和社会效益。(本文来源于《长安大学》期刊2017-05-02）
孙凡松[3]（2016）在《基于双层队列模型的无线网络资源优化》一文中研究指出经典背压式算法解决了网络架构中的路由选择与会话调度问题,提高了网络吞吐量,但是由于其网络结构模型并没有完全的分层,使得其在实际部署过程中存在一些问题。目前所使用的网络环境拥有十分复杂的网络架构,是由不同制造商生产的计算机、网络设备和系统组成的,由于经典背压式算法无法实现路由与调度的完全分布式,使得无法实现在协议层中的模块化部署,这一缺陷值得进行深入研究和改进。由于现在移动互联网的带宽需求和智能应用软件的增加,小蜂窝网络结构和异构网络结构相继被提出。小蜂窝网络结构是通过自组织、低消耗和低功耗进行超密集部署的网络结构,它可以设置在一些现有设备无法部署的区域,从而增加网络容量密度;5G中的异构网络架构融合了包括WIFI、LTE等多种接入技术,通过不同网络设备之间的协同合作,提升了网络性能。目前,越来越多的研究者倾向于研究网络层与数据链路层当中的路由与调度算法,然而,大多数研究者设计的算法往往是路由与调度的联合优化,造成两者无法进行分布式部署。而在5G移动通信网络中,有多种网源设备的结合,使得协议层之间的信息交互变得尤为重要。因此,设计一种可以将路由与调度方案彻底分离的优化算法是很有必要的。随着无线通信网络发展的越来越普遍,具有网络适应性的分层协议架构正受到研究人员越来越密切的关注。尽管基于TCP/IP协议的分层架构对有线网络具有很好的适应性,但是对于无线网络来说却并不是最好。因此,本文提出了一种双层队列模型,完善了经典背压式算法的不足之处,同时将双层队列模型应用到时下热点的网络架构中,来验证其对于网络效用的影响。本文在充分了解国内外关于无线网络资源优化的相关研究现状的基础上,深入研究了与5G网络结构相匹配的网络层与数据链路层队列模型,并研究了关于网络效用值与能源资源分配的优化问题,主要的研究工作如下所示:1)双层队列模型及其在网络资源优化的应用。针对经典背压式算法的不足之处,提出了一种新型的双层队列模型,在网络层与数据链路层上分别设置队列,网络层队列决定路由决策,链路层队列决定调度决策,使得路由与调度方案可以分离。本文研究长时间平均下的网络效用最大化问题,使用李雅普诺夫优化理论,将问题分解成若干子问题,实现分布式部署。同时,对网络层与数据链路层之间的容量限制进行了全新定义,并给出了几种符合实际使用的设置方案。2)基于双层队列模型的Small Cell无线回程网络跨层优化。引入混合供能网络的概念,研究一个混合供能小蜂窝节点网络的模块化跨层优化问题。在高频高性噪比的情况下,使用定向天线技术,解决网络效用和能源花费的联合优化问题。本文最终通过李雅普诺夫漂移算法得到了网络稳定状态下的路由与调度方案,使得达到网络效用和能源花费的联合最优。3)基于双层队列模型的异构网络跨层优化。构建由控制路由器节点和基站节点组成的异构网络,使用多天线情况下的新型无线信道模型,解决下行链路的功耗最小化问题,并通过李雅普诺夫漂移理论将问题进行分布式求解。使得在网络稳定的前提下,达到基站发射总功率最小的要求。(本文来源于《浙江理工大学》期刊2016-03-09）
李景富,张飞[4]（2015）在《基于量子粒子群优化PI模型的主动队列网络拥塞控制》一文中研究指出为了解决无线传感器网络拥塞引起的丢包率高和网络吞吐率过低,从而引起网络能量有效性和服务质量Qo S降低的问题,提出了一种基于改进PI主动队列管理模型和量子粒子群(Quantum-behaved particle swarm optimization,QPSO)的拥塞控制方法.首先定义了改进的PI主动队列管理模型,然后为了对PI模型进行优化,采用改进的多种群量子粒子群算法对PI主动队列管理模型中的参数优化,并对该算法进行了描述,从而得到优化的PI控制模型.最后定义了多种群量子粒子群算法和PI主动队列模型对网络拥塞进行控制的具体算法.实验结果表明:该方法能有效实现WSN的拥塞控制,与其它方法相比,具有较低的数据丢包率和较大的网络吞吐率.(本文来源于《江西师范大学学报(自然科学版)》期刊2015年03期）
陈行,张建德,宣慧[5]（2014）在《无线传感器网络中基于信号博弈模型的队列管理机制研究》一文中研究指出无线多跳传感器网络中的无线节点为了延长生命期,可能发送虚假能量信息来逃避成为簇头节点。运用信号博弈理论对无线节点的这种自私行为展开研究,并建立簇头选举博弈模型。运用区分服务的队列管理机制使簇头节点获得更高的传输性能,增加簇头节点的收益,抑制自私节点用虚假能量信息逃避成为簇头节点的自私行为。模拟实验证明,基于信号博弈的CHQM-SG算法可以有效的抑制无线网络中的自私行为,提高了无线网络的生命周期和性能的稳定性。(本文来源于《科学技术与工程》期刊2014年29期）
肖除病,程晖,朱星宇[6]（2013）在《双队列缓存结构认知无线网络模型研究》一文中研究指出提出一种双队列缓存结构认知无线网络模型。在基于频谱切换的基础上运用马尔科夫过程模型对双队列缓存结构对认知无线网络性能的影响进行研究,推导次用户的被迫中断概率以及系统阻塞率的表达式,最后探讨该策略与单队列缓存结构策略的性能比较并通过仿真来验证。结果表明,双队列缓存结构可以更有效降低次用户的被迫中断传输概率以及系统阻塞概率,对于提高系统的吞吐量以及系统传输性能的提升都是很有帮助的。(本文来源于《计算机应用与软件》期刊2013年06期）
王晖[7]（2013）在《自相似网络流量流体流模型及主动队列管理算法研究》一文中研究指出TCP（Transmission Control Protocol）的拥塞控制是Internet稳定运行的基础，围绕着TCP协议的拥塞控制一直是Internet研究的一个热点，吸引着诸多的学者。随着网络通信流量的急剧增加和各类实时业务流量对QoS要求的大幅提高，仅仅依靠端到端拥塞控制己经难以满足网络需求。事实上，在Internet这样复杂的异构网络环境中，希望所有用户都兼容端系统拥塞控制也是不现实的。必须发展路由器等中间网络设备的控制，以增强拥塞控制的效果。路由器位于拥塞的发生点，所以在路由器上进行拥塞控制是非常有意义的。队列管理机制就应运而生了。主动队列管理（Active Queue Management，AQM）机制通过对拥塞的预判和主动丢包，实现对拥塞的控制，成功避免了死锁、全局同步等现象。IP拥塞控制机制的研究是当前拥塞研究的热点。本文将路由器参与的显式拥塞控制也归为IP拥塞控制机制。网络业务流自相似性的发现和研究推翻了早先网络流量短相关的基础假设，由于网络流量突发性更为突出，直接导致拥塞发生更为频繁和加剧，这使得网络流量的统计特征提取、排队性能分析和缓冲空间设置以及拥塞策略的设计均有所变化。自相似模型的引入给原本复杂的拥塞控制带来新的问题，但它同时也会带来新的解决方法。往返时延RTT是网络拥塞控制机制有效运行赖以维系的节奏，网络时延不易准确估算也是造成网络拥塞机制偶尔失效的主要原因。故而需要分别对往返时延RTT建模为常数、常函数、随机过程等不同的数学形式，利用数学方法分析RTT对网络拥塞控制机制的影响。进一步提出基于网络排队延时的显式拥塞控制算法QDCN，该算法通过路由器监测队列长度，进而得出排队延迟，实时更新RTT，以显式方式通知源端改变拥塞窗口，从而实现拥塞避免。进一步看到在恒速网络业务流下，本来性能比较优越的SFPID-RED和QDCN算法性能有所下降，并且时延并不是造成算法性能下降的诱因。实际上网络流量的自相似性（突发性）才是这些算法失效的根本原因，时延的抖动只是它的一种表现形式。于是提出一种基于自相似流量的随机早检测算法——STRED。该算法采用时间槽作为操作单位，以减少计算量，降低网络参数更新速率；根据时间槽记录观测参数进而预估自相似系数（Hurst系数），并依据相关函数调整RED算法丢弃概率，增强RED算法对自相似网络流量的适应能力，从而实现对自相似流量的拥塞控制。然而学界关于网络流量是具有泊松特性的短相关还是具有分形自相似的长相关的争论一直不断。虽然有大量的网络测量实验分析得出网络自相似的结论，但也有证据表明泊松特性依然存在。网络流量模型经历了短相关，长相关，多重分形的发展演变，现在有回归短相关的一种可能。实际上网络流量的长相关和短相关两种特性同时存在。有鉴于此本文基于网络自相似性和TCP/AQM流体流模型，提出一种新型Lévy随机过程，并建立一种TCP/AQM二象性流体流模型，可以同时描述网络的自相似性和包驱动特性，试图从理论上对网络流量的两种特性进行统一，并进一步研究了二象性模型的有关性质。为以后基于自相似网络的拥塞控制研究奠定了基础。总之本课题主要针对网络拥塞问题，剖析了一种现有应用较为广泛的网络流量模型——TCP/AQM流体流（Fluid Flow）模型，并以此为基础结合网络自相似提出一系列的研究方案。(本文来源于《哈尔滨工业大学》期刊2013-06-01）
张霖,刘建明,李宏周,彭智勇[8]（2013）在《基于M/M/m队列的通信网络排队模型化研究》一文中研究指出在通信领域里,排队论因理论性强,通用性好而被广泛地运用到网络建模中,但由于排队论本身复杂的理论推导和大量的数学运算,使得用它求解问题变得困难,同时也限制了它的进一步推广。为了更好地将排队论用于网络建模,利用排队论的知识建立了两种不同的排队模型:一、利用C++语言建立了M/M/m队列的数学模型;二、利用仿真工具建立了M/M/m队列的仿真模型并给出了仿真过程的模块化定义。这两种模型均具有形象直观的表达形式,弥补了单纯使用数学分析方法而使问题显得过于抽象的不足,从而为研究更加复杂的排队网模型奠定了基础。(本文来源于《科学技术与工程》期刊2013年05期）
赵淼,王辉[9]（2012）在《瓶颈链路队列长度的网络认知模型》一文中研究指出为解决传统传输控制协议(TCP)在异构网络中效率较低的问题,给出网络状态认知的定义,建立以瓶颈链路队列长度为目标量的网络认知模型,采用TCP-L传输控制协议进行仿真。实验结果证明,该模型能准确估计瓶颈链路队列长度的动态变化趋势。TCP-L协议能在不同负荷的背景流条件下稳定发送窗口、往返传输时延和队列长度,减少拥塞发生,提高吞吐量和传输效率。(本文来源于《计算机工程》期刊2012年19期）
杜盼盼[10]（2012）在《无线多跳网络串联队列模型的研究及在QoS路由中的应用》一文中研究指出近年来,无线多跳网络中的QoS研究成为一个热门话题,如何支持和保证业务的QoS需求成为亟待解决的问题。QoS路由技术能够对QoS的提供以及传输性能的提高作出重要的贡献。QoS路由算法的关键部分是路由发现阶段,从本质上看,路由发现需要进行链路/路径QoS指标的计算。然而,多种因素影响QoS指标,例如物理层和链路层设计。因而,有必要通过跨层设计研究一种串联队列模型,来解决链路QoS指标的计算问题。论文的重点在于提出一种计算较准确、适用性较广泛的串联队列模型,来准确并动态地计算链路QoS指标。针对一维串联队列模型的缺陷,论文分别提出改进的一维和二维串联队列模型。改进的模型通过跨层设计,考虑到业务到达过程、物理层的多速率传输以及链路层的有限自动请求重传(ARQ)机制,分别基于队列状态、队列与服务状态的联合,建立一种一维和二维有限状态马尔可夫链(FSMC)。其中,一维队列模型计算复杂度相对较低,二维队列模型能更好地分析系统特性,且计算更准确。籍此提出一种基于模型的QoS路由算法,将端到端带宽、丢包率和时延联合考虑,来保证无线多跳网络中业务的端到端QoS需求。论文首先介绍了系统模型和关键技术,为串联队列模型的建立奠定了基础。其次,介绍了一维串联队列模型。接着,为了提高模型的的适用性,提出了一种改进的一维串联队列模型,并对该模型进行验证及评价。最后,为了更好地分析系统特性,提出了一种改进的二维串联队列模型,该模型能够更准确地估计QoS指标,尤其是端到端时延。将改进的二维串联队列模型应用到QoS路由算法中,与最小跳数路由(MHR)算法相比较,仿真结果表明,该算法能够找到QoS性能更优的路径,从而更好地满足业务的QoS需求。(本文来源于《南京邮电大学》期刊2012-02-01）
网络队列模型论文开题报告
（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：
排队在生产、生活、科技和计算机等方面广泛存在,随着时代的进步,网络队列更是应用到各个领域。本文主要研究到达率随时间变化的网络队列模型。顾客到达的规律与系统服务台的配置,是影响队列的重要因素,本文主要针对到达率函数进行研究。要研究网络队列模型,首先要研究多队列模型Gt/Mt/st + GIt。本文对模型配置函数的可行性、系统动态约束、初始条件、边界等待时间、光滑性、到达率与初始队列密度、最小服务率、随时间变化的放弃率等做出一系列假设,在这些假设成立的前提下,得到多队列模型的一系列性能指标,如系统的服务容量B(t)及其密度函数b(t,x)、队列密度q(t,x)、边界等待时间ω(t)、潜在等待时间V(t)等,利用经典的Picard-Lindelof定理对边界等待时间ω(t)解的存在唯一性进行证明。并对进入服务的顾客总量E(t)、服务完成量S(t)、服务容量B(t)、放弃量A(t)、队列容量Q(t)的Lipschitz连续性进行了证明。本文研究的模型是在低负荷与超负荷之间转换的,控制转换步长也很重要。本文通过Gt/M/st + M队列,研究了计算时间C(ΔT)与转换步长ΔT的关系,当时间间隔固定时计算时间C(φ)与转换次数φ的关系,当转换次数固定时计算时间C(T)与时间间隔T的关系。对网络队列模型的研究是本文的核心。分别通过固定点方程法(FPE)和解常微分方程法(ODE)对模型到达率函数进行分析。对于固定点方程法,我们应用Banach压缩不动点定理可得到达率函数Ψ是单调压缩算子,通过递归迭代法求得到达率函数,再应用多队列模型Gt/Mt/st+ GIt的性能指标计算,得到网络队列模型的一系列性能指标。对于解常微分方程法,考虑多维ODE方程,得到每一个队列的到达率函数之后,通过多队列模型计算公式可得网络队列模型的性能函数。最后对相关稳态网络队列模型进行研究。确定顾客到达与系统服务配置,可对系统进行最优化设计,创造更好的经济效益和社会效益。
（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。
网络队列模型论文参考文献
[1].杨蓓.贝叶斯网络模型在老年人认知功能评价队列研究中的应用[D].山西医科大学.2017
[2].杨雯.到达率随时间变化的网络队列模型[D].长安大学.2017
[3].孙凡松.基于双层队列模型的无线网络资源优化[D].浙江理工大学.2016
[4].李景富,张飞.基于量子粒子群优化PI模型的主动队列网络拥塞控制[J].江西师范大学学报(自然科学版).2015
[5].陈行,张建德,宣慧.无线传感器网络中基于信号博弈模型的队列管理机制研究[J].科学技术与工程.2014
[6].肖除病,程晖,朱星宇.双队列缓存结构认知无线网络模型研究[J].计算机应用与软件.2013
[7].王晖.自相似网络流量流体流模型及主动队列管理算法研究[D].哈尔滨工业大学.2013
[8].张霖,刘建明,李宏周,彭智勇.基于M/M/m队列的通信网络排队模型化研究[J].科学技术与工程.2013
[9].赵淼,王辉.瓶颈链路队列长度的网络认知模型[J].计算机工程.2012
[10].杜盼盼.无线多跳网络串联队列模型的研究及在QoS路由中的应用[D].南京邮电大学.2012