【摘 要】
：
为了降低内容中心网络的缓存内容冗余度和提高缓存内容命中率,提出了一种基于复杂网络度量的缓存机制CMC.CMC 利用控制器获取整个网络的拓扑结构和缓存空间空闲率,根据拓扑的连接关系分别计算各节点的度中心性、紧密中心性和介数中心性,并将这三个度量和缓存空间空闲率作为缓存节点选择的重要指标.仿真实验表明：与传统内容中心网络缓存机制相比,CMC 可以有效地提高缓存内容命中率,降低获取内容的跳数和平均请求时
【出 处】
：
第二十一届全国网络与数据通信学术会议(NDCC2016)
论文部分内容阅读
为了降低内容中心网络的缓存内容冗余度和提高缓存内容命中率,提出了一种基于复杂网络度量的缓存机制CMC.CMC 利用控制器获取整个网络的拓扑结构和缓存空间空闲率,根据拓扑的连接关系分别计算各节点的度中心性、紧密中心性和介数中心性,并将这三个度量和缓存空间空闲率作为缓存节点选择的重要指标.仿真实验表明：与传统内容中心网络缓存机制相比,CMC 可以有效地提高缓存内容命中率,降低获取内容的跳数和平均请求时延.
其他文献
肽组学研究可以动态监测乳酸菌发酵过程中的肽谱,在优化发酵条件、筛选菌种制备功能发酵乳等实际应用方面有重要意义.本研究使用保加利亚乳杆菌(Lactobacillus delbrueckii subsp.bulgaricus,LB)和嗜热链球菌(Streptococcus thermophilus,ST)为发酵菌种,以牛奶为原料进行了单菌种(LB,ST)与双菌种混合发酵(LB+ST).
邻苯二甲酸二(2-乙基己基)酯(DEHP)被广泛用作增塑剂,它可以通过多种方式进入人体,并产生多种有害作用,包括肝脏毒性,生殖毒性甚至葡萄糖代谢紊乱。许多研究表明,肠道菌群的变化与各种疾病的发生密切相关,但DEHP 暴露对肠道菌群的影响仍不清楚。在这项研究中发现,在青春期之前,DEHP 对雄性啮齿动物不同组织的损害不仅取决于剂量和暴露时间,并且还取决于啮齿动物的品种和品系。
社交网络中的链路推荐对信息的传播与演化具有重要意义。在微博这类以信息传播为主导的网络里，用户不仅出于社交目的 构建好友关系，同时也希望借助链路的建立使发布的信息得到有效扩散，即增强自身的影响力。而现有的链路推荐算法，只推荐更有可能成为好友的用户，却忽略了推荐的好友对用户发布或传播信息行为能力的影响。
Cooperative among mutiple secondary users improves the cognitive radio sensing system performance.However,rare studies take malicious users(MUs)attacking into account.
为了有效地验证和评估CO2 地质封存的持久性和安全性，需要针对煤层CO2 注入区域开展长期而持续的环境监测，面向地形地貌多元化、气象条件差异化的煤层注入区域，以地质、地形、气象资料等数据为研究对象，解析CO2 地质封存泄漏事件的影响因子并确定敏感度分区，设计监测传感网络节点的覆盖控制方案，选择不同的网络覆盖控制算法或密集或稀疏地布设传感监测节点，基于Delaunay 三角网对覆盖网络进行描述和优化
融合未授权的频谱资源和授权的频谱资源，并充分利用未授权频谱资源，是下一代5G 网络研究的重点。认知无线网络与传统网络最大的区别是信道切换无缝切换。本文提出跨层优化控制方法(CN_Cross-layer)，为认知用户提供最优的接入网络。
Wi-Fi 网络的高密度部署与大用户量的接入，使得网络性能、网络稳定性、网络使用公平性等得不到保障。本文针对当前高密度Wi-Fi 网络研究的局限性，设计和实现了一种低成本高密度可控的Wi-Fi 网络实验床，避免了网络仿真平台距离真实网络场景的不足，为实际网络性能评测和优化提供了平台支持。
WiMAX Mesh 网络拓扑结构的资源调度分为集中式和分布式。针对集中式调度，提出了保证QoS 的自适应资源调度算法。该算法根据业务流优先级、业务流服务质量满意度以及业务流拓扑信息来确定资源调度顺序。通过仿真比较了不同算法的系统吞吐量、rtPS 业务丢包率以及nrtPS 业务吞吐量，仿真结果表明自适应资源调度算法能够根据实际的需要灵活地满足QoS 要求。
非连续接收机制(Discontinuous Reception,DRX)是4G 网络中终端省电的关键技术之一。针对目前DRX 机制单一的周期配置难以适应4G 网络多业务并发的问题,提出一种基于马尔科夫模型的自适应DRX优化机制。该机制首先根据数据业务间的时间相关性,通过马尔科夫模型预测后续时刻的数据包类型,根据不同的数据业务类型和PDCCH 监听状态动态调整短DRX 周期和长DRX 周期,实现对不
求解高维优化问题时，传统差分进化算法求解时间长，收敛精度不高。针对此问题，利用MapReduce并行编程模型，提出一种多种群多策略云差分进化算法。该算法采用多种群机制，将种群划分成若干子种群，每个子种群分别采用不同的进化策略。各子群之间独立进化，互不干扰。