2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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、隨著現(xiàn)代網(wǎng)絡(luò)技術(shù)的高速發(fā)展,新的網(wǎng)絡(luò)服務(wù)不斷涌現(xiàn),人們對(duì)通信質(zhì)量的要求也越來越高,這也帶來了一系列的問題,比如網(wǎng)絡(luò)的兼容性差、網(wǎng)絡(luò)業(yè)務(wù)延遲嚴(yán)重、業(yè)務(wù)流擁堵、網(wǎng)絡(luò)的負(fù)載均衡效果差等問題。而且傳統(tǒng)的流量預(yù)測(cè)模型一般只處理流量的短相關(guān)特性或長相關(guān)特性,不能完整地刻畫網(wǎng)絡(luò)流量的突發(fā)性、混沌性、自相似性、周期性等其它特性,導(dǎo)致預(yù)測(cè)誤差較大。同時(shí),現(xiàn)有的網(wǎng)絡(luò)負(fù)載機(jī)制一般不能對(duì)網(wǎng)絡(luò)狀況提前感知并自適應(yīng)地調(diào)整網(wǎng)絡(luò)參數(shù),導(dǎo)致網(wǎng)絡(luò)一定的遲滯性,無法保證網(wǎng)絡(luò)

2、業(yè)務(wù)QoS。因此,建立一個(gè)精確的網(wǎng)絡(luò)流量預(yù)測(cè)模型和高效的負(fù)載均衡機(jī)制,已成為國內(nèi)外學(xué)者研究的熱點(diǎn)。
  認(rèn)知網(wǎng)絡(luò)具有自主學(xué)習(xí)和重配置能力,它通過提前感知網(wǎng)絡(luò)環(huán)境,智能、自適應(yīng)地調(diào)整網(wǎng)絡(luò)參數(shù),從而實(shí)現(xiàn)網(wǎng)絡(luò)的負(fù)載均衡,并能有效地提高網(wǎng)絡(luò)資源利用率,保證網(wǎng)絡(luò)業(yè)務(wù)的QoS。因此,針對(duì)上述問題,并結(jié)合認(rèn)知技術(shù),本文搭建了基于Kohonen網(wǎng)絡(luò)的組合式流量預(yù)測(cè)模型。該模型根據(jù)Kohonen網(wǎng)絡(luò)訓(xùn)練速率快、分類性能強(qiáng)、抗噪聲能力強(qiáng)等特性,來提高

3、對(duì)多尺度、非線性的流量的預(yù)測(cè)精度。同時(shí),本文又在基于Kohonen神經(jīng)網(wǎng)絡(luò)流量預(yù)測(cè)模型的基礎(chǔ)上,改進(jìn)目前廣泛應(yīng)用的加權(quán)最小連接調(diào)度算法,建立了認(rèn)知網(wǎng)絡(luò)中基于Kohonen網(wǎng)絡(luò)流量預(yù)測(cè)的負(fù)載均衡模型。通過認(rèn)知網(wǎng)絡(luò)的感知特性,提前配置網(wǎng)絡(luò)的可用資源,實(shí)現(xiàn)對(duì)業(yè)務(wù)流動(dòng)態(tài)、實(shí)時(shí)的調(diào)度,最終實(shí)現(xiàn)網(wǎng)絡(luò)的負(fù)載均衡。
  本文具體的工作和研究成果:
  首先,本文介紹了認(rèn)知網(wǎng)絡(luò)的概念和模型,重點(diǎn)研究了認(rèn)知網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)的特性。并簡(jiǎn)要介紹了

4、網(wǎng)絡(luò)流量的多種不同的特性,同時(shí),結(jié)合這些特性,仔細(xì)分析和研究了現(xiàn)階段的流量預(yù)測(cè)模型和負(fù)載均衡模型,并相應(yīng)的總結(jié)了它們的優(yōu)缺點(diǎn)。
  其次,設(shè)計(jì)了一種基于認(rèn)知網(wǎng)絡(luò)的Kohonen神經(jīng)網(wǎng)絡(luò)組合式流量預(yù)測(cè)模型。
  本文選擇認(rèn)知網(wǎng)絡(luò)作為主要研究方向,根據(jù)認(rèn)知網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)的特性,同時(shí)又重點(diǎn)引入Kohonen神經(jīng)網(wǎng)絡(luò)。利用Kohonen神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率快、分類精度高、抗噪聲能力強(qiáng)、自組織和自適應(yīng)、訓(xùn)練收斂速度快、聚類等特性,同

5、時(shí)結(jié)合小波在多尺度數(shù)據(jù)分解的優(yōu)勢(shì),AR模型在線性數(shù)據(jù)處理方面的優(yōu)勢(shì),BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)擬合方面的優(yōu)勢(shì)以及LMS技術(shù),設(shè)計(jì)了一種基于認(rèn)知網(wǎng)絡(luò)的Kohonen神經(jīng)網(wǎng)絡(luò)組合式流量預(yù)測(cè)模型。首先,將網(wǎng)絡(luò)流量經(jīng)過LMS處理,然后,通過小波變換,將流量分解為高頻部分和低頻部分,并分別采用Kohonen模塊和自回歸AR組合模塊進(jìn)行預(yù)測(cè),最后,重組預(yù)測(cè)流量,并用BP網(wǎng)絡(luò)進(jìn)行進(jìn)一步擬合。通過Matlab軟件一步步仿真,經(jīng)過驗(yàn)證得到,該模型相比較其它傳統(tǒng)網(wǎng)

6、絡(luò)流量預(yù)測(cè)模型,有效地改善了結(jié)構(gòu)復(fù)雜的網(wǎng)絡(luò)流量預(yù)測(cè)精度。
  最后,設(shè)計(jì)一種認(rèn)知網(wǎng)絡(luò)中基于Kohonen網(wǎng)絡(luò)流量預(yù)測(cè)模型的動(dòng)態(tài)負(fù)載均衡模型及其對(duì)應(yīng)改進(jìn)的流量調(diào)度算法。
  本文將上一章的基于Kohonen神經(jīng)網(wǎng)絡(luò)的組合式流量預(yù)測(cè)模型結(jié)合認(rèn)知網(wǎng)絡(luò),并改進(jìn)現(xiàn)有的加權(quán)最小連接調(diào)度算法。由于該算法沒有自學(xué)習(xí),自適應(yīng)的特征,同時(shí)又沒有綜合考慮服務(wù)器的參數(shù)性能,導(dǎo)致網(wǎng)絡(luò)具有一定的滯后性,因此,提出了一種認(rèn)知網(wǎng)絡(luò)中基于Kohonen神經(jīng)網(wǎng)

7、絡(luò)預(yù)測(cè)模型的負(fù)載均衡模型和改進(jìn)的流量調(diào)度算法。該模型根據(jù)認(rèn)知網(wǎng)絡(luò)認(rèn)知和學(xué)習(xí)的特性,提前學(xué)習(xí)和調(diào)整網(wǎng)絡(luò)參數(shù),并結(jié)合本文改進(jìn)的流量調(diào)度算法,最終實(shí)現(xiàn)網(wǎng)絡(luò)的負(fù)載均衡。本文用OPNET軟件對(duì)新的負(fù)載均衡模型進(jìn)行仿真,分別仿真了對(duì)應(yīng)的進(jìn)程模型、節(jié)點(diǎn)模型、網(wǎng)絡(luò)模型,并對(duì)服務(wù)器的負(fù)載效果和網(wǎng)絡(luò)延遲與一般網(wǎng)絡(luò)未改進(jìn)的加權(quán)最小連接調(diào)度模型進(jìn)行對(duì)比分析。結(jié)果表明,認(rèn)知網(wǎng)絡(luò)中基于Kohonen網(wǎng)絡(luò)預(yù)測(cè)模型改進(jìn)的負(fù)載均衡算法有效地提高了服務(wù)器的負(fù)載均衡效果,并

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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