基于优化决策树的时延敏感流智能感知调度

目前流量调度策略无法做到智能按需化,尤其对于网络突发故障造成的拥塞以及高价值业务的护航场景,无法按需保障时延敏感的业务体验。通过分析研究不同网络业务流量时延敏感性属性需求,探索挖掘不同网络业务流量的行为特征与其时延敏感性需求之间的内在关联关系。然后利用AI技术对这种内在的关联关系进行学习,构建其映射关系,实现了时延敏感流智能感知调度。同时,考虑AI模型的可解释性及可部署性实际问题,采用强化学习剪枝优化可解释性决策树模型,提高模型的鲁棒性同时使模型更轻量化,易于设备部署实现。通过真实网络流量实验,强化学习优化后的决策树模型在单次推理情形下感知正确率提高1.75%,推理速度提升约30%;同时,实验也证明了使用局部微观统计特征多次推理有助于提高模型感知正确率。在所有实验中,强化学习优化的决策树模型规模缩小了60.0%~87.2%,并且Saras比Q-learning具有更好的优化表现。

基于机器学习的网络流量分析综述

网络流量分析是对网络流量进行采集并分析以准确获取网络流量信息的重要技术手段,其可以帮助网络管理者有效地进行网络规划、网络优化、网络监控、流量趋势分析等工作。本文从网络流量的预测、网络流量的识别以及网络异常流量的检测3个方面回顾了机器学习技术应用在网络流量分析上的研究成果,并对基于机器学习的网络流量分析技术趋势及未来研究方向进行展望。

基于SSA和LWLR组合的网络延迟预测

针对互联网网络端到端延迟因其非线性和非平稳性(时变)特性而导致其准确性预测的难题,提出了一种基于滑动窗口的奇异谱分析和局部加权线性回归的组合预测算法。并采用互联网所采集的RTT数据来验证提出的预测算法,实验结果表明,预测算法具有快速、精确的特点,是一种很适合实际工程应用的预测算法。

咏张花高速

腾起双龙津楚行，土家苗汉放歌声。重山群岭履平地，翠柏苍松绿武陵。洞洞相连三县境，桥桥直接九乡城。车轮滚滚财源到，致富不忘开路情。