混合SDN的自适应流量估计方法

• 作者: 奚宏生 李晓方 王子磊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 软件定义网络 流量矩阵估计 神经网络 聚类 K均值 自适应性
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 移动互联与通信技术
• 页码范围: 103-110
• 页数: 8页
• 分类号: TP393.2
• 字数: 6573字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.03.019

摘要

流量矩阵是混合软件定义网络(SDN)流量工程的重要输入,但难以全部直接测量,已有的估计方法主要针对传统IP网络,不完全适用于混合SDN网络.针对该问题,提出一种基于源-目的(OD)流聚类的自适应多Elman神经网络算法.通过对OD流按照时间变化模式进行聚类,将单一的高维训练样本分解为多个低维训练样本,强化各低维样本的关键特征,以训练相应的Elman神经网络,构成多Elman神经网络模型,并利用混合SDN中部分OD流可以持续精确测量的特点,根据网络状态变化动态调整估计算法的参数.实验结果表明,与广义层析重力算法相比,该算法具有更高的估计精度和更好的自适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	奚宏生	中国科学技术大学未来网络实验室	143	1241	17.0	29.0
2	王子磊	中国科学技术大学未来网络实验室	26	118	6.0	10.0
3	李晓方	中国科学技术大学未来网络实验室	1	1	1.0	1.0