大尺度ip骨干网络流量矩阵估计方法研究 approach of traffic matrix estimation in large-scale ip backbone networks.pdfVIP

下载本文档

26
0
约 9页
2017-08-12 发布于上海
举报
版权申诉

大尺度ip骨干网络流量矩阵估计方法研究 approach of traffic matrix estimation in large-scale ip backbone networks.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

大尺度ip骨干网络流量矩阵估计方法研究 approach of traffic matrix estimation in large-scale ip backbone networks

第4期电子学报 V01．39N0．4 2011年4月 ACTAELECrRONlCASINlCA Apr．2011 大尺度IP骨干网络流量矩阵估计方法研究蒋定德1，一，王兴伟1，郭磊1，许争争1，陈振华1 (1．东北大学信息科学与工程学院，辽宁沈阳110004；2．电子科技大学宽带光纤传输与通信网技术蓖点实验窀，四川成都610054) 摘要：流量矩阵估计是当前的热点研究问题，它被网络操作员用来进行负载均衡、路由最优化、流馈侦测、网络规划等等．然而，流量矩阵估计本身固有的高度病态特性，使得精确地估计流蛙矩阵成为具有挑战性的研究课题．本 Basis 文研究大尺度口骨干网络的流量矩阵估计；基于RBF(RadialFunction)神经网络，提出一种新的估计方法TMPd MamxRecurrence (Traffic 病态特性克服于RBF神经网络的训练过程中，从而避免复杂的数学建模过程．并在所建立的估计模型基础上，将流量矩阵估计描述为约束条件下的最优化过程，通过迭代寻优，TMRI能进一步克服这一问题的病态特性．仿真结果表明 TMRI能精确地估计流量矩阵和追踪它的动态变化，与以前的方法相比，具有更强的抗噪声性能和显著的性能改善．关键词：流量矩阵估计；非平稳流量；RBF神经网络；病态特性；最优化中图分类号：TP393文献标识码： A 文章编号：0372—2112(2011)04．cr763—09 ofTrafficMatrixEstimationin I PBackboneNetworks Approach Large-scale JIANG Leil，Xu Zhen．hual Ding_del,2,WANGXing-weil，GUO Zheng-zhen91，CHEN (1．Collegeoflnfomgttion＆如Mand酯曲Ⅻ而|g，NortheasternUmters如,，Shen?rmg，“∞B吆110004，China； BroadbandFiberTransmissionandCommunication optical 610054，Ch／na) 2．脚如60删oryof Networks，UESTC，Chengdu，SMman Abstract：TIa塌cmatrixestimationisall research at useittoconductload operators interestingproblempresent．Network andSO natureoftrafficmatrix on．However，the balancing，routeoptimization，tla_fficdetecting，networkdimensioning highlyill—pose estim