基于緩存內(nèi)容輔助的網(wǎng)絡(luò)層去冗余技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩114頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著時(shí)代的發(fā)展,在網(wǎng)絡(luò)中傳輸?shù)男畔⒘匡w速增長(zhǎng),傳輸信息中的編碼冗余度也隨之急劇增加,網(wǎng)絡(luò)中的冗余比特去除是直接提高網(wǎng)絡(luò)鏈路效率的有效方法之一。目前主要的網(wǎng)絡(luò)數(shù)據(jù)冗余去除技術(shù)是針對(duì)應(yīng)用層的緩存內(nèi)容。但是,主要的數(shù)據(jù)冗余存在于各種應(yīng)用軟件的數(shù)據(jù)通信當(dāng)中,即出現(xiàn)在網(wǎng)絡(luò)層的數(shù)據(jù)轉(zhuǎn)發(fā)包之中;因此,大多數(shù)現(xiàn)有的應(yīng)用層去冗余緩存策略并未能有效的去除網(wǎng)絡(luò)中數(shù)據(jù)的冗余。為了能夠更好地去除網(wǎng)絡(luò)中的數(shù)據(jù)冗余,本文研究了網(wǎng)絡(luò)層去冗余技術(shù),以數(shù)據(jù)壓縮為基本技術(shù)去

2、除網(wǎng)絡(luò)層的冗余比特,提高網(wǎng)絡(luò)數(shù)據(jù)傳輸效率。
  本文提出了一種基于網(wǎng)絡(luò)中節(jié)點(diǎn)緩存內(nèi)容輔助的去冗余技術(shù),以數(shù)據(jù)壓縮為基礎(chǔ)去除網(wǎng)絡(luò)層的冗余比特,從而更好地提高網(wǎng)絡(luò)數(shù)據(jù)傳輸效率。首先通過(guò)理論推導(dǎo)得到數(shù)據(jù)壓縮算法的冗余度公式,提出了“基于聚類分析的緩存內(nèi)容輔助的數(shù)據(jù)壓縮”的策略,這是本文研究?jī)?nèi)容的重要技術(shù)支撐點(diǎn)之一。然后在理論數(shù)據(jù)下進(jìn)行仿真分析,論證了該策略的優(yōu)越性。最后將該模型應(yīng)用在真實(shí)場(chǎng)景的網(wǎng)絡(luò)層中,提出了改進(jìn)的非參數(shù)輔助內(nèi)容選擇算法

3、,進(jìn)一步去除網(wǎng)絡(luò)數(shù)據(jù)冗余,從而有效提升了網(wǎng)絡(luò)信息傳輸效率。
  本文構(gòu)造了理論混合數(shù)據(jù)源,建立了基于聚類分析的內(nèi)容輔助壓縮模型,對(duì)現(xiàn)有的自適應(yīng)算術(shù)編碼Lite PAQ壓縮算法進(jìn)行了基于邊信息輸入的改進(jìn),從理論和仿真上對(duì)提出策略進(jìn)行了驗(yàn)證。在仿真方面,本文分析了最佳的Hellinger距離模型,并運(yùn)用基于K-means輔助內(nèi)容選擇算法進(jìn)行模型仿真中,通過(guò)近25%的性能提升證明本文提出的基于緩存內(nèi)容輔助的數(shù)據(jù)壓縮策略的正確性;同時(shí),通

4、過(guò)對(duì)比采用基于K-means聚類和基于實(shí)際聚類結(jié)果兩種輔助內(nèi)容選擇算法下,幾乎相等的壓縮性能證明了基于K-means聚類的輔助內(nèi)容選擇算法的有效性。
  經(jīng)過(guò)理論數(shù)據(jù)下的驗(yàn)證后,本文將提出的基于內(nèi)容輔助的壓縮模型應(yīng)用在網(wǎng)絡(luò)信息傳輸中。利用節(jié)點(diǎn)緩存的歷史內(nèi)容的輔助作用,對(duì)于傳輸信息的壓縮進(jìn)行仿真分析。針對(duì)緩存內(nèi)容輔助的網(wǎng)絡(luò)層數(shù)據(jù)壓縮模型,本文基于三方面的分析,提出了改進(jìn)的非參數(shù)輔助內(nèi)容選擇算法。本文隨后通過(guò)基于內(nèi)容輔助的網(wǎng)絡(luò)層包壓縮

5、模型的仿真設(shè)計(jì),驗(yàn)證了改進(jìn)的非參數(shù)輔助內(nèi)容選擇算法相較于基于K-means輔助內(nèi)容選擇算法由3%至8%的壓縮性能提升,并結(jié)合幾種不同的壓縮算法和網(wǎng)絡(luò)性能要求,進(jìn)行壓縮算法的簡(jiǎn)單選取討論。
  綜上所述,本文主要完成了對(duì)于基于緩存內(nèi)容輔助的網(wǎng)絡(luò)層數(shù)據(jù)壓縮模型的如下工作。首先,通過(guò)從理論上推導(dǎo)出數(shù)據(jù)壓縮算法的冗余度公式,提出了減少冗余度的基于聚類分析的數(shù)據(jù)壓縮策略。然后,采用仿真分析,驗(yàn)證提出基于聚類分析的數(shù)據(jù)壓縮策略的正確性;最后,

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論