基于业务感知和策略选择的认知路由算法

提出了一种基于业务感知和策略选择的认知路由(cognitive network routing)算法。该算法面向认知网络环境综合考虑了网络资源、业务流、策略选择等要素,在获知网络中业务流的宏观特征和需求的前提下,首先通过离线资源分配将网络资源按照业务流的固有分配特征预先配置给不同类型的业务流,然后通过在线路径计算实时得出各个业务流的最优路径。仿真实验验证了认知路由算法的有效性,对比于MIRA、SWP路由算法,CNR算法可以提高网络资源利用率,避免因资源不均衡产生的网络拥塞,能够在业务流和资源2个层面优化网络性能。     

一种基于神经网络与证据理论融合的P2P业务感知模型

提出了一种基于神经网络与证据理论融合的P2P业务感知模型,该模型利用神经网络的非线性逼近能力和自学习能力,获取证据理论所需的基本概率值;并通过证据理论的数据融合明显提高业务感知准确率。实验结果表明,该模型与现行的P2P业务识别方法相比,能够快速、准确、可靠地识别P2P业务类别,实现合法有效的网络管理和控制,对检测网络异常行为与提高网络安全性具有重要意义。     

一种改进的单向时延测量误差消除算法

针对协同探测系统中收发端之间的相对时钟频差会给单向时延测量带来误差,提出了一种基于最小二乘拟合和凸包的单向时延测量误差消除算法（LSFCH）.该算法首先对单向时延的原始测量数据进行去噪处理,再利用最小二乘法进行线性拟合,并利用凸包保证所有时延的非负性,从而得到精确的单向时延.实验结果表明,该算法能够有效地消除时钟频差对单向时延测量的影响,具有较好的准确性和鲁棒性.     

基于业务感知的认知网络QoS自适应控制技术

文章研究并提出了基于业务感知的认知网络服务质量(QoS)自适应控制架构。该架构在智能业务感知和分类模型的基础上对数据包进行分类和识别,并借鉴控制理论通过基于端路协同的认知网络业务流QoS自适应控制机制实现对网络流量的控制。在认知网络环境下,该架构可以构建QoS的自动感知、分析、关联、反馈、决策、配置和实施机制,进行资源的优化调整分配,适应网络环境的变化,优化网络端到端的性能,保证用户的服务质量。