摘要: 为解决车辆在相对高速运动下产生网络间切换的“乒乓效应”,根据隐朴素贝叶斯分类思想,突破原有贝叶斯决策中关于属性之间完全独立的假设,建立属性间的关系,同时引入自适应修正概率,降低切换次数,避免了运算的复杂度。仿真结果表明,改进算法与原算法及其他算法相比较,可以有效降低切换次数,并且拥有更低的运行时间,提升了在车联网环境下垂直切换的稳定性与效率。
中图分类号:
李宏磊, 丛玉良, 任柏寒. 基于隐朴素贝叶斯分类方法的垂直切换算法[J]. 吉林大学学报(信息科学版), 2019, 37(3): 238-344.
LI Honglei, CONG Yuliang, REN Baihan. Adaptive Vertical Switching Algorithm Based on Hidden Naive Bayesian Classification#br#[J]. Journal of Jilin University (Information Science Edition), 2019, 37(3): 238-344.