基于概念漂移学习的ICN自适应缓存策略

• 作者: 汪晋宽 王兴伟 蔡凌 黄敏
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 信息中心网络 缓存 数据挖掘 概念漂移 信息熵
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 3765-3781
• 页数: 17页
• 分类号: TP393
• 字数: 13739字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005621

摘要

针对如何提高信息中心网络的网内缓存性能,提出了一种基于概念漂移学习(concept drift learning,简称CDL)的自适应缓存策略.考虑到节点数据和内容数据的相互感知对缓存性能的影响,将节点和内容的状态数据流作为网络资源,对提取的多维状态属性数据和缓存匹配数据进行分析挖掘,利用学习到的状态属性与缓存匹配之间的函数映射关系,即概念,对未来时期内的节点与内容间的匹配关系进行预测.为提高匹配算法的准确度,在学习过程中,提出了一种基于信息熵的概念漂移识别算法,当根据状态属性的信息熵变识别出漂移后,利用提出的基于概念重现的缓存算法,重新定义函数映射关系.仿真实验结果表明,该策略与CEE,LCD,prob和OPP策略相比,降低了网络运行成本,提高了用户体验质量.

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	黄敏	东北大学信息科学与工程学院	284	1586	18.0	30.0
4	蔡凌	东北大学秦皇岛分校控制工程学院	13	34	4.0	5.0