随着计算机网络的迅猛发展和网络业务类型的快速增加，网络管理日益复杂，传统的网络难以保证用户的端到端QoS目标。认知网络在感知当前环境的基础上，同时结合业务需求，对网络未来的状态进行预测，随后根据预测的结果，采取相应的QoS优化方法，保证关键业务的端到端QoS。　　本文主要研究认知网络的QoS优化技术，提出了一种认知网络QoS优化技术，包括端到端QoS参数预测和QoS优化两部分。　　本文首先提出了一种基于贝叶斯网络的端到端QoS参数预测方法，根据当前网络环境和具体业务类型对业务的端到端QoS参数进行预测。针对认知网络QoS参数预测的实时性要求，改进了贝叶斯网络的结构学习方法，实验证明该方法使贝叶斯网络的构造过程更高效。　　基于QoS参数预测结果，本文提出了一种基于案例推理的认知网络QoS优化方法。借鉴历史经验和知识积累，针对不同的网络状况和用户需求，采取不同的优化策略。案例推理没有庞大的搜索空间，通过搜集不同的专家模型解决不同的问题，使得认知网络QoS的优化更高效和准确。