一种机器学习辅助数据中心传输资源分配优化策略

针对当前海量数据传输在数据中心光网络应用场景下的优化需求,提出在数据中心流量发送前使用机器学习方法对所要发送的流量类型进行分类,将一种改进的贪婪遗传算法(IGGA)引入数据中心光网络重构问题并进行优化。仿真结果表明:在相同节点分布的情况下,与传统遗传算法(GA)所构建的拓扑结构链路相比,IGGA平均长度明显减小,在20节点和50节点拓扑情况下分别减少了3.06%和6.37%,且改进效果随拓扑节点数量增加而提高。

基于机器学习的软件定义光网络入侵检测策略

软件定义光网络(SDON)中,控制平面可能遭遇入侵威胁从而对网络的稳定可靠服务供给造成影响。文章针对SDON集中控制平面安全问题提出了一种基于机器学习的入侵检测策略,采用孤立森林算法来检测点异常,采用指数权重移动平均(EWMA)算法来检测序列异常。理论分析和仿真实验结果表明,所提的基于机器学习的SDON检测技术能够实现90%点异常检测准确率和85%序列异常检测准确率。

弹性光网络中结合预测的多维感知RSA算法

弹性光网络(EON)中的传统路由频谱分配(RSA)算法多考虑路由跳数或频谱资源占用情况,缺乏时域与相邻链路的信息有效利用。提出一种结合预测的多维感知RSA算法,对持续时间已知业务的历史时间信息通过后向传播神经网络预测未来业务的时间信息,在路由时综合考虑时间、频谱和相邻链路资源占用程度。仿真结果表明:与传统RSA算法相比,多维感知RSA算法能有效降低带宽阻塞率。

一种基于残差网络的改进网络流量分类算法

基于卷积神经网络的网络流量分类算法中,为了提高分类准确度,其结构设计日趋复杂,容易出现梯度下滑甚至梯度消失,导致预测准确度不升反降。文章提出了一种基于残差网络的改进流量分类算法,引入残差网络层代替传统卷积神经网络中的卷积层和池化层,不仅缓解了传统卷积网络因层次太深导致难以训练的问题,同时与传统卷积运算相比,所提出的残差网络在训练时学习到的数据特征信息更加全面,训练后的模型也更加准确。仿真结果表明,改进后的算法比常规的神经网络算法表现更佳,分类准确度从92.05%提高到了96.18%。

我和爸爸的秘密

每个人心中都有自己的小秘密,我当然也不例外。不过这个秘密是属于我和我爸爸的。