目前，網絡中承載的數據呈現了爆炸性增長，網絡中知識獲取的難度進一步加大，業(yè)務傳輸的服務質量（QoS）也難以保證。傳統網絡在信息獲取與數據融合上已經難以滿足用戶的需求，在這種背景下，認知網絡應運而生。認知網絡作為下一代網絡的研究熱點，能夠通過態(tài)勢感知獲取網絡信息，并根據網絡態(tài)勢實時動態(tài)的調整網絡配置，從而為網絡的QoS傳輸提供保障。目前，關于認知網絡QoS態(tài)勢融合的研究相對較少，對QoS態(tài)勢信息的表示方法也不多見。本文在分析現有知識表示與數據融合處理機制的基礎上，重點開展了對認知網絡的知識表示與QoS態(tài)勢融合的研究。 首先，從知識表示的角度出發(fā)，對認知網絡QoS態(tài)勢領域的具體概念進行提取，提出了一種認知網絡QoS態(tài)勢本體構建模型�；谶@個模型，采用protégé軟件對本體進行建模，通過三元組記錄網絡運行的實時數據，并結合本體模型一起存入本體知識庫中。同時，設計了本體查詢方法，并給出了查詢結果。通過對認知網絡QoS態(tài)勢進行本體構建，為后續(xù)的融合提供了理論基礎。 其次，從局部融合的角度出發(fā)，提出了基于模糊推理的認知網絡局部QoS態(tài)勢融合算法。通過對認知網絡QoS態(tài)勢級別進行定義，并給出鏈路平...

【文章頁數】：71 頁

【學位級別】：碩士

【部分圖文】：

圖1.3認知網絡QoS態(tài)勢研究模型

決策時間短等優(yōu)點在價值上絡發(fā)送擁塞，同時也能夠獲認知網絡QoS態(tài)勢融合規(guī)劃整體態(tài)勢融合算法加以實現通常存在一定關系。當一種據進行搜索，才能方便后續(xù)機能夠直接處理的形式，所方法主要有：問題歸約、狀構建認知網絡QoS態(tài)勢模型在局部融合中心處執(zhí)行認知知網絡全局QoS態(tài)勢融合

圖3.1OWL語言發(fā)展結構圖

同時，本體描述語言也應該支持推理功言有：OIL、RDF、DAML、XML、OWL、FrameLo語言的表達能力和推理能力是相互制約的。OWL在很晰地表達各個術語的含義及其之間的關系，在表達語善的機制。本文采用OWL語義對本體進行形式化描述C推薦的本體描述語言標準，能清晰....

圖3.4認知網絡QoS態(tài)勢概念關系圖

圖3.4認知網絡QoS態(tài)勢概念關系圖次的類在同一列上。間都是互斥的關系，采用“Adddisjointclass”操作對上述容中，鏈路類的處理是個復雜的部分，其包含三種參量，分業(yè)務，所以采用Protégé中的“createobjectproperty”功能為鏈路....

圖3.5認知節(jié)點實例表示圖

圖3.5認知節(jié)點實例表示圖上圖中，左邊一欄表示認知網絡QoS態(tài)勢的類，所有的類都在系統內部的owl:Thing下。圖中選中了認知節(jié)點Cognitive_nodes類，中間欄則顯示出該類的實例，即5個認知節(jié)點。選中任意一個實例，右側欄中顯示出節(jié)點的access....

本文編號：3992686