基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着大规模的分布式网络应用对网络主机间距离信息的需求,深入研究了基于虚拟坐标的IP网络距离预测机制.在基于固定landmarks的网络坐标系统中,普通主机通过测量到所有landmarks的距离来计算自己的坐标,其中landmarks的个数将影响到系统的距离预测准确度和测量开销.网络坐标系统(network coordinate system,NCS)综合了Vivaldi和GNP的优势,具有良好的网络距离预测性能,然而它没有讨论landmarks的选取问题.因此.提出一种改进型网络距离预测算法-INCS,该算法首先选定网络中的一组主机作为landmarks,然后按照land-marks之间的相互距离对其进行聚类,最终从每个聚类中按照所提出的策略选择一个节点作为普通主机的实际参考节点.仿真结果表明:与NCS算法相比较,INCS算法在牺牲0-24%(根据90%相对误差)预测准确度的情况下,能够大大减小系统的测量开销;同时INCS可以使参考节点的选择灵活化,分散参考节点处的负载,从而提高系统的稳定性.
推荐文章
改进型神经网络的热负荷预测
热负荷预测
BP神经网络
改进型神经网络
预测精度
基于改进型BP神经网络的电网负荷预测
电网负荷预测
BP神经网络
模拟退火优化算法
预测误差
基于改进型BP神经网络的弹丸落点预测方法
神经网络
自适应算法
并列结构
弹丸落点
预测
基于改进型BP神经网络的重叠叶片边缘重建
重叠叶片
叶面积
链码
角点
神经网络
边缘预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于聚类选取参考节点的改进型网络距离预测机制
来源期刊 重庆邮电大学学报(自然科学版) 学科 工学
关键词 IP网络 网络距离 参考节点 普通节点 聚类
年,卷(期) 2009,(3) 所属期刊栏目 通信与电子
研究方向 页码范围 362-367
页数 6页 分类号 TN915
字数 5179字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 隆克平 重庆邮电大学光互联网及无线信息网络中心 90 1096 16.0 29.0
5 阳小龙 重庆邮电大学光互联网及无线信息网络中心 41 147 6.0 9.0
9 杨文乐 重庆邮电大学光互联网及无线信息网络中心 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
IP网络
网络距离
参考节点
普通节点
聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆邮电大学学报(自然科学版)
双月刊
1673-825X
50-1181/N
大16开
重庆南岸区
78-77
1988
chi
出版文献量(篇)
3229
总下载数(次)
12
总被引数(次)
19476
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导