基于Adaboost学习的lCN自适应缓存算法

• 作者: 汪晋宽 王兴伟 胡曦 蔡凌
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 信息中心网络 缓存网络 缓存策略 学习算法 Adaboost算法
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息与控制
• 页码范围: 21-25
• 页数: 5页
• 分类号: TP393
• 字数: 4367字
• 语种: 中文
• DOI: 10.12068/j.issn.1005-3026.2019.01.005

摘要

针对信息中心网络(ICN)中缓存内容优化放置的问题,提出一种基于Adaboost学习的自适应缓存算法ACAL.该算法首先将提取的节点和内容数据流作为网络资源,然后利用集成学习算法Adaboost对数据流进行分析挖掘,利用挖掘出的状态属性与缓存匹配之间的函数映射关系对未来时间段内的节点与内容间的匹配关系进行预测,该预测结果用于指导缓存的部署.实验结果表明,ACAL在延时、缓存命中率和链路利用率等指标方面,与CEE策略、LCD策略、prob0.5策略和OPP策略相比有显著的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪晋宽	东北大学信息科学与工程学院	176	809	13.0	18.0
2	王兴伟	东北大学软件学院	347	1979	22.0	33.0
3	蔡凌	东北大学秦皇岛分校控制工程学院	13	34	4.0	5.0
4	胡曦	东北大学秦皇岛分校计算中心	7	27	3.0	5.0