基于机器学习的TCP拥塞控制算法识别研究

• 作者: 叶剑飞 李俊何 李烨 董浩 许乾坤
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: TCP拥塞控制 机器学习 算法识别 特征提取 极限学习机 随机森林
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 网络与系统
• 页码范围: 2700-2705
• 页数: 6页
• 分类号: TP181|TP393
• 字数: 3932字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2019.11.021

摘要

准确识别服务器端采用的拥塞控制算法对于预防和缓解TCP网络拥塞具有重要意义,但目前已有的对拥塞控制算法的识别方法均存在一定问题.在对当前主流拥塞控制算法进行特性分析的基础上,利用接收端采集的数据提取丢包时拥塞窗口下降比例、拥塞避免阶段窗口增长函数、快速恢复阶段窗口增长函数等特征.为提高识别效率和准确率,提出一种极限学习机和随机森林相结合的算法,对服务器端的拥塞控制算法进行识别.与多种机器学习方法对比研究的结果表明,基于所构造的特征向量可实现对RENO和NEWRENO算法的识别,且所提识别新算法取得了比其它识别方法更优的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李烨	上海理工大学光电信息与计算机工程学院	44	133	7.0	9.0
2	董浩	上海理工大学光电信息与计算机工程学院	4	5	2.0	2.0
3	叶剑飞	上海理工大学光电信息与计算机工程学院	2	4	1.0	2.0
4	许乾坤	上海理工大学光电信息与计算机工程学院	2	0	0.0	0.0
5	李俊何	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0