【摘要】：隨著當(dāng)前接入網(wǎng)家庭網(wǎng)絡(luò)業(yè)務(wù)中數(shù)據(jù)流量的快速增長(zhǎng),對(duì)于有限的網(wǎng)絡(luò)資源,往往因?yàn)閼?yīng)用相互搶占資源而達(dá)不到實(shí)際承載效果。及時(shí)準(zhǔn)確對(duì)網(wǎng)絡(luò)中業(yè)務(wù)進(jìn)行區(qū)分承載對(duì)于提升網(wǎng)絡(luò)性能和保障業(yè)務(wù)服務(wù)質(zhì)量等具有重要意義,家庭多業(yè)務(wù)承載已成為整個(gè)業(yè)務(wù)承載網(wǎng)絡(luò)中的關(guān)鍵一環(huán)。家庭網(wǎng)絡(luò)中無(wú)線(xiàn)接入的業(yè)務(wù)流量具有數(shù)據(jù)量大、加密和數(shù)據(jù)包長(zhǎng)度分布不均等特點(diǎn),業(yè)務(wù)承載系統(tǒng)需要實(shí)時(shí)對(duì)其快速分類(lèi)并進(jìn)行流量控制。傳統(tǒng)的業(yè)務(wù)承載設(shè)計(jì)主要根據(jù)設(shè)備MAC地址限定設(shè)備產(chǎn)生的流量,來(lái)提高承載性能。而通過(guò)對(duì)移動(dòng)終端應(yīng)用流量進(jìn)行識(shí)別,業(yè)務(wù)承載系統(tǒng)能對(duì)具體業(yè)務(wù)類(lèi)型的應(yīng)用進(jìn)行流量控制,不在局限于控制某個(gè)設(shè)備的流量,帶寬控制下沉到應(yīng)用側(cè)。為保證數(shù)據(jù)流大的業(yè)務(wù)出現(xiàn)后獲得更好的業(yè)務(wù)承載性能,本文分析了移動(dòng)應(yīng)用流量的時(shí)間特征和空間特征,基于樹(shù)莓派搭建實(shí)驗(yàn)平臺(tái),建立了基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)和長(zhǎng)短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡(luò)的業(yè)務(wù)承載系統(tǒng)(Service Carrying System,SCS)。研究了移動(dòng)終端應(yīng)用在業(yè)務(wù)承載系統(tǒng)中的承載性能,具體研究工作及貢獻(xiàn)包括:1.研究了網(wǎng)絡(luò)數(shù)據(jù)流的空間特征,基于CNN基本原理設(shè)計(jì)并構(gòu)建了在樹(shù)莓派平臺(tái)上的CNN業(yè)務(wù)承載系統(tǒng)。通過(guò)該系統(tǒng)建立了CNN網(wǎng)絡(luò)分類(lèi)模型和實(shí)時(shí)流量控制模型,并設(shè)計(jì)了適用于CNN網(wǎng)絡(luò)分類(lèi)模型的訓(xùn)練數(shù)據(jù)集,同時(shí)分析了網(wǎng)絡(luò)流長(zhǎng)度、CNN網(wǎng)絡(luò)模型參數(shù)對(duì)分類(lèi)結(jié)果的影響及業(yè)務(wù)承載系統(tǒng)對(duì)實(shí)時(shí)流量的控制;2.研究了網(wǎng)絡(luò)數(shù)據(jù)流的時(shí)間特征,利用LSTM處理時(shí)間序列的原理,在樹(shù)莓派上搭建了基于LSTM網(wǎng)絡(luò)的業(yè)務(wù)承載系統(tǒng)。通過(guò)此系統(tǒng)建立了LSTM網(wǎng)絡(luò)和數(shù)據(jù)流控制模型,設(shè)計(jì)了原始數(shù)據(jù)轉(zhuǎn)成訓(xùn)練集的方法,同時(shí)分析了網(wǎng)絡(luò)流序列的長(zhǎng)度、序列元素的長(zhǎng)度、LSTM模型參數(shù)對(duì)分類(lèi)結(jié)果的影響及業(yè)務(wù)承載系統(tǒng)對(duì)數(shù)據(jù)流的控制。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TN92

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 王偉;基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量分類(lèi)及異常檢測(cè)方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

相關(guān)碩士學(xué)位論文 前1條

1 胡新辰;基于LSTM的語(yǔ)義關(guān)系分類(lèi)研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：2594991