基于改进迁移学习的光通信网络流量数据连续插值研究

光通信网络流量数据具有大规模和高维度的特点,而数据量纲不一致,数据之间的差异会被放大,使得插值效果不理想,所以提出基于改进迁移学习的光通信网络流量数据连续插值方法。通过Box-Cox变换法对流量数据展开标准化处理,统一数据量级与量纲。通过深度学习理论与VNet技术改进卷积神经网络,通过更新网络参数使连续插值结果与理想数据进行匹配,得到流量数据连续插值结果。实验表明,所提方法的信噪比始终高于27.83 dB,频率-波形分布图与理想数据的频率-波形分布图相似度最高,决定系数在0.8以上,能够获得高质量插值结果。

基于CE网络多链路聚合的探针测试设计

在CE网络中,采用多链路聚合可有效避免因单点故障引发网络中断情况的发生。然而当多链路聚合采用负载均衡策略时,一旦出现丢包、延时的情况则无法及时定位链路中单点故障的位置。通过对运营商网络的核心层及汇聚层节点进行探针部署,利用网络探针技术,监控整个网络的稳定性。当运营商网络上的多链路聚合中继发生延时、丢包故障时能通过探针技术及时定位到相关的链路聚合中继所对应的物理链路和端口,有助于运营商网络管理人员更快速准确的定位故障,维护网络的稳定。