隨著信息技術(shù)和網(wǎng)絡(luò)技術(shù)的蓬勃發(fā)展,人類(lèi)對(duì)網(wǎng)絡(luò)的需求越來(lái)越大,要求也越來(lái)越高。傳統(tǒng)的IP網(wǎng)絡(luò)設(shè)計(jì)的初衷是解決點(diǎn)對(duì)點(diǎn)通訊的問(wèn)題,然而當(dāng)前人們對(duì)于網(wǎng)絡(luò)的主要需求已經(jīng)轉(zhuǎn)變?yōu)閷?duì)各種內(nèi)容的訪問(wèn)和獲取。為了適應(yīng)網(wǎng)絡(luò)使用范式的變化,研究人員提出了多種網(wǎng)絡(luò)改造方案來(lái)滿(mǎn)足日益增長(zhǎng)的用戶(hù)上網(wǎng)需求,信息中心網(wǎng)絡(luò)（Information Centric Networking）便是其中之一。信息中心網(wǎng)絡(luò)設(shè)計(jì)的初衷即是為了實(shí)現(xiàn)內(nèi)容的快速高效獲取。其通過(guò)采取在轉(zhuǎn)發(fā)節(jié)點(diǎn)中設(shè)置緩存裝置以及使用不同于IP網(wǎng)絡(luò)的路由策略等措施來(lái)提高內(nèi)容信息的獲取速度,提高網(wǎng)絡(luò)的承載能力。然而當(dāng)前的信息中心網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)缺少智能化的管理,其無(wú)法很好地根據(jù)網(wǎng)絡(luò)的實(shí)時(shí)狀態(tài)進(jìn)行智能的感知和決策,這在一定程度造成了網(wǎng)絡(luò)帶寬、緩存等網(wǎng)絡(luò)資源的浪費(fèi)。當(dāng)前網(wǎng)絡(luò)系統(tǒng)中存在的用于網(wǎng)絡(luò)狀態(tài)監(jiān)測(cè)的軟硬件系統(tǒng)種類(lèi)越來(lái)越豐富,網(wǎng)絡(luò)運(yùn)維人員可以掌握各種各樣的實(shí)時(shí)網(wǎng)絡(luò)監(jiān)測(cè)數(shù)據(jù)信息。隨著移動(dòng)設(shè)備（智能手機(jī)、智能手環(huán)、智能手表等）的普及以及移動(dòng)設(shè)備傳感技術(shù)的發(fā)展,從移動(dòng)設(shè)備中獲得的流量數(shù)據(jù)、傳感器數(shù)據(jù)和用戶(hù)操作數(shù)據(jù)的內(nèi)容特征信息也越來(lái)越多。上述信息對(duì)于網(wǎng)絡(luò)運(yùn)維人員優(yōu)化網(wǎng)絡(luò)資源的... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：126 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖３－１網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)圖??為描述本章所提出的系統(tǒng)中涉及的各個(gè)算法模塊，首先給出智能網(wǎng)絡(luò)系統(tǒng)??

首先定義了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)勾，其中Ｆ是轉(zhuǎn)發(fā)節(jié)點(diǎn)，■￡：是邊，即網(wǎng)絡(luò)??鏈路。網(wǎng)絡(luò)域中的Ａｒ節(jié)點(diǎn)構(gòu)成集合匕＃。每個(gè)Ａｒ節(jié)點(diǎn)的網(wǎng)絡(luò)管理域中有多個(gè)用??于轉(zhuǎn)發(fā)數(shù)據(jù)包的Ｎｒ節(jié)點(diǎn)。為了清晰描述，圖３－１中僅展示了部分節(jié)點(diǎn)。??ＮＤＮ網(wǎng)絡(luò)架構(gòu)中內(nèi)容的基本單位是ＮＤＮ中的內(nèi)容塊。用戶(hù)的請(qǐng)求對(duì)應(yīng)于一??組具有不同塊編號(hào)的興趣包。這里要注意的是，對(duì)于流量預(yù)測(cè)模型，分析的對(duì)象??是由一組相關(guān)的內(nèi)容塊組成的數(shù)據(jù)內(nèi)容對(duì)象。由于控制信令流量對(duì)網(wǎng)絡(luò)性能影響??小于數(shù)據(jù)流量，本章的分析模型中不考慮控制信令流量。Ｓ被定義為到達(dá)第ｉ個(gè)??Ａｒ節(jié)點(diǎn)的所有興趣包的名稱(chēng)前綴集合。網(wǎng)絡(luò)域中所有興趣包的名稱(chēng)前綴集合定??義為５；＃，同時(shí)為了降低系統(tǒng)的計(jì)算復(fù)雜度，可以只選�。藗�(gè)流行度??最高的內(nèi)容進(jìn)行分析。這里Ｋ的設(shè)置要保證ＳＭ節(jié)點(diǎn)能夠可靠的運(yùn)行流量預(yù)測(cè)??算法和緩存調(diào)度算法。當(dāng)被分析的內(nèi)容只包含視頻這一種類(lèi)型的內(nèi)容時(shí)，Ｋ就是??個(gè)相對(duì)比較小的數(shù)字。定義與第ｉ個(gè)Ａｒ節(jié)點(diǎn)相鄰的轉(zhuǎn)發(fā)節(jié)點(diǎn)集稱(chēng)為ｈ＃。Ａ／嚴(yán)被??定義為到達(dá)第ｉ個(gè)Ａｒ節(jié)點(diǎn)的名稱(chēng)前綴為ｎｐ的興趣包的數(shù)量。當(dāng)用戶(hù)請(qǐng)求包序列??的的第一個(gè)興趣包到達(dá)第ｉ個(gè)Ａｒ節(jié)點(diǎn)時(shí)，Ａｆ值加１。??本文所提智能網(wǎng)絡(luò)緩存資源管理系統(tǒng)的算法流程圖如圖３－２描述所示。其中，??ＮＰ表示不同名稱(chēng)前綴的數(shù)據(jù)流量，ＥＭＤ代表經(jīng)驗(yàn)?zāi)Ｊ椒纸饽Ｐ�，Ｃ－ＲＮＮ－ＲＢ�??模型是本文提出的將循環(huán)神經(jīng)網(wǎng)絡(luò)（ＲＮＮ）模型和限制玻爾茲曼機(jī)模型（ＲＢＭ）??相結(jié)合的協(xié)同流量估計(jì)模型。??該流程可以概括為

隱式單位可以被視為一組“專(zhuān)家”?［１２６】�！皩�(zhuān)家”可以根據(jù)當(dāng)前狀態(tài)協(xié)作生成??不同名稱(chēng)前綴的興趣包的流量預(yù)測(cè)值。預(yù)測(cè)到達(dá)某個(gè)節(jié)點(diǎn)的興趣包數(shù)量分布概率??滿(mǎn)足訓(xùn)練數(shù)據(jù)中相應(yīng)的概率分布。圖３－３給出了基于泊松分布的ＲＢＭ的結(jié)構(gòu)示??意圖。??Ｈｉｄｄｅｎ?Ｋｘｐｅｒｌ?Ｂｉｎａｒｙ?Ｈｉｄｄｅｎ?Ｕｎｉｔｓ??Ｈｉｄｄｅｎ?Ｂｉａｓ?＾?ｆ?）?廣、）?（，??Ｖｆａｉｂ，ｃＢｉａｓ?（Ｊ?Ｏ?（?）?（，．；?ｕ??Ｎａｍｅ?Ｐｒｅｆｉｘ?Ｃｏｕｎｔ?Ｖｉｓｉｂｌｅ?ｌ＇ｎｉｌｓ??Ｎａｍｅ?Ｐｒｅｆｉｘ?１?Ｎａｍｅ?Ｐｒ？ｎ＊?２?Ｎａｍｅ?Ｐｒｅｆｌｘ?３?－??圖３－３獨(dú)立的ＲＢＭ結(jié)構(gòu)示意圖??不同顯式單元對(duì)應(yīng)于不同名稱(chēng)前綴的興趣包到達(dá)數(shù)量。為了提高模型的數(shù)據(jù)??擬合精度，可以通過(guò)疊加多層的ＲＢＭ模型來(lái)提高被訓(xùn)練模型生成訓(xùn)練數(shù)據(jù)的概??率下界。但由于多層ＲＢＭ的訓(xùn)練模型具有較高的計(jì)算復(fù)雜度，且流量估計(jì)值準(zhǔn)??確度提高并不顯著，同時(shí)，即使網(wǎng)絡(luò)請(qǐng)求預(yù)測(cè)的準(zhǔn)確度導(dǎo)致了請(qǐng)求內(nèi)容丟失，Ｎ??絡(luò)仍然可以利用訪問(wèn)回退機(jī)制來(lái)彌補(bǔ)該問(wèn)題。因此，為了提高算法效率，本??仿真實(shí)驗(yàn)中暫不考慮多層堆疊的ＲＢＭ模型。??２７??

【參考文獻(xiàn)】：
期刊論文
[1]Caching Algorithm with a Novel Cost Model to Deliver Content and Its Interest over Content Centric Networks[J]. SU Zhou,FANG Dongfeng,HAN Bo.  中國(guó)通信. 2015(07)
[2]A Survey on Information-Centric Networking: Rationales, Designs and Debates[J]. JIANG Xiaoke,BI Jun,NAN Guoshun,LI Zhaogeng.  中國(guó)通信. 2015(07)
[3]A Novel Parallel Scheme for Fast Similarity Search in Large Time Series[J]. YIN Hong,YANG Shuqiang,MA Shaodong,LIU Fei,CHEN Zhikun.  中國(guó)通信. 2015(02)
[4]Internet流量模型分析與評(píng)述[J]. 張賓,楊家海,吳建平.  軟件學(xué)報(bào). 2011(01)
[5]基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量建模及預(yù)測(cè)[J]. 王俊松,高志偉.  計(jì)算機(jī)工程與應(yīng)用. 2008(13)
[6]基于混沌特性的網(wǎng)絡(luò)流量預(yù)測(cè)[J]. 陸錦軍,王執(zhí)銓.  南京航空航天大學(xué)學(xué)報(bào). 2006(02)



本文編號(hào)：3463286