科研之友
微信
新浪微博
Facebook
分享链接
摘要
流量矩阵是混合软件定义网络(SDN)流量工程的重要输入,但难以全部直接测量,已有的估计方法主要针对传统IP网络,不完全适用于混合SDN网络。针对该问题,提出一种基于源-目的(OD)流聚类的自适应多Elman神经网络算法。通过对OD流按照时间变化模式进行聚类,将单一的高维训练样本分解为多个低维训练样本,强化各低维样本的关键特征,以训练相应的Elman神经网络,构成多Elman神经网络模型,并利用混合SDN中部分OD流可以持续精确测量的特点,根据网络状态变化动态调整估计算法的参数。实验结果表明,与广义层析重力算法相比,该算法具有更高的估计精度和更好的自适应能力。
-
单位中国科学技术大学; 中国酒泉卫星发射中心
