【摘 要】
:
随着互联网的不断革新,云计算技术和服务器的发展促进了网络功能虚拟化(Network Function Virtualization,NFV)的发展。虽然NFV技术解决了传统网络功能设备成本高、难以管理等缺点,但也带来了一定的挑战。在NFV的场景下,虚拟网络功能(Virtual Network Function,VNF)的资源需求随着流量的动态变化而变化,这就需要根据不同的情况为VNF分配相应的资源
论文部分内容阅读
随着互联网的不断革新,云计算技术和服务器的发展促进了网络功能虚拟化(Network Function Virtualization,NFV)的发展。虽然NFV技术解决了传统网络功能设备成本高、难以管理等缺点,但也带来了一定的挑战。在NFV的场景下,虚拟网络功能(Virtual Network Function,VNF)的资源需求随着流量的动态变化而变化,这就需要根据不同的情况为VNF分配相应的资源。由于物理网络资源的有限性,寻找一种有效的VNF资源预测方法尤为重要。本文在对单个VNF资源预测进行研究的基础上,对服务功能链(Service Function Chain,SFC)中的VNF资源需求进行预测。通过挖掘流量特征之间的隐藏关系,提高模型预测的精度。并在考虑VNF多个资源指标、时序性、依赖性的基础上,对VNF的资源进行预测。本文主要贡献如下:1.针对单个VNF的资源预测问题,本文提出了一种基于流量特征提取的预测方法。首先,本文根据流量特征和VNF资源之间的相关性构建异构信息网络,并在此基础上定义元路径。其次,基于元路径和构建的异构信息网络,本文通过随机游走的方式得到节点路径,并利用HIN2Vec模型获取节点的特征表示。最后,为了衡量特征对VNF资源需求的影响程度,本文引入了注意力机制,并利用多层感知机对VNF的资源需求进行预测。实验结果表明,本文提出的预测方法能够有效预测VNF的资源需求。这也说明通过异构信息网络捕获特征之间存在的隐藏关系,能够进一步提高模型预测的准确率。2.针对SFC中VNF的资源预测问题,本文提出了一种基于改进的自适应遗传算法和长短期记忆网络(Long Short-Term Memory,LSTM)的预测方法。首先,本文考虑了时序性和VNF之间的依赖性,为每个VNF生成特定的特征集。其次,本文考虑了多种VNF的资源消耗类型,并通过改进的遗传算法衡量每个VNF对不同资源消耗类型的依赖程度。最后,利用LSTM模型对VNF的资源需求进行预测,并通过改进的遗传算法寻找VNF最合适的资源消耗类型的占比以提高模型的预测精度。实验结果表明,本文所提出的方法有着最佳的效果。
其他文献
在工业生产设备的质量检测与数据收集领域,指针式仪器的生产成本低、抗干扰能力强、读数精度高、机械结构简单且能够稳定的在恶劣环境下工作等优点,被广泛用于工业上的生产监测中。目前,工业仪器的读数工作主要还是需要人工巡检完成,但是人工记录会面临工程量大、实时性不好、工作效率低等问题,并且人的主观性很难保证读数不会出现误差,当设备运行状态出现异常工作人员没有及时发现时,很容易造成安全事故和经济损失。目前,业
人们的日常生活与社会生产都与湿度有着密不可分的联系。随着各种各样的湿度传感器的出现,人们对湿度的检测能力有了进一步的提高,而传统的湿度传感器普遍存在能耗较大、成本较高、依赖电源供电且工作寿命有限等问题,因此,设计出小型化、低成本、灵敏度高、工作寿命长的湿度传感器成为了人们关注的热点。近年来,射频识别(Radio Frequency Identification,RFID)技术不仅应用于身份识别、物
自动驾驶是人工智能研究和应用的热点领域。园区自动驾驶车辆作为自动驾驶技术落地应用的理想载体,其面临着各式各样的任务。针对园区场景和任务,设计一套通用的任务表示及解析执行方法对于实现园区自动驾驶车辆作业功能的快速开发与部署具有重要意义。为了实现任务表示的通用可靠和简洁高效,本文提出一种园区自动驾驶车辆任务建模方法。首先,对园区自动驾驶车辆面临的任务进行分类并分析任务的执行结果。然后,通过抽象描述任务
随着C-V2X(Cellular-Vehicle-to-Everything)车联网技术的不断推进,基于C-V2X的网联车协作式场景的应用也在不断扩展中。针对未来车车协同环境下的辅助安全问题,论文研究设计了一种改进博弈论的网联车协同辅助驾驶模型,该模型主要用于提高协同车辆跟驰和换道驾驶行为的安全、效率等性能,将协同式驾驶过程划分为:决策预备阶段、协调阶段和执行实施阶段。论文的具体工作如下:1.首先
近年来,深度学习技术迅速普及,并已在脑-机接口领域进行了大量尝试。尽管与一些传统算法相比,基于深度学习的运动想象脑-机接口系统的准确性已大大提高,但清楚地解释深度学习模型仍然是一个问题。此外,深度学习技术也并不总是能够应用于脑-机接口的每个方面,所以应该如何使用深度学习技术增强运动想象脑电信号的解码分类效果也是一个问题。为了解决这些问题,本文逐步深入地分析和验证了传统机器学习下的脑-机接口技术和深
荷电状态作为动力锂电池重要的状态监测参数之一,具有衡量电池体续航时间、制定充放电策略、改进电池模组供能方案的重要作用。然而,在广温域、多工况的实际应用场景中,锂电池状态监测模型常常存在泛化性不佳与鲁棒性不强的问题。针对该问题,本文提出了一种基于连续可微映射的神经网络自动架构搜索算法,通过该算法获得的网络在多种应用场景下均具有良好的荷电状态估计表现,引入贝叶斯估计算法优化网络的超参数配置,进一步提升
近年来,信息技术推动了仓储物流资源分配的发展与创新。传统的集中式物流资源管理模式已经无法适应电子商务带来的新商业模式,不能满足物流企业对交易安全的需求。区块链技术由于其分布式、不可篡改的特点,促进了供应链管理的信息高速流动、保障了数据安全,为构建智能化仓储物流资源分配方法提供了新的思路和解决方案。本文利用区块链和智能合约技术构建物流资源分配网络架构,根据博弈论理论在物流资源分配的研究应用方法,设计
目的 探讨中老年T2DM患者中性粒细胞/淋巴细胞比值(NLR)与颈动脉粥样硬化(CAS)的相关性。方法 选取2018年12月至2020年12月于上海交通大学附属第六人民医院南院内分泌代谢科住院治疗的中老年T2DM患者478例。根据颈动脉内膜中层厚度(CIMT)分为CIMT<1.0 mm组(n=125)、1.0≤CIMT<1.5 mm组(n=117)及CIMT≥1.5 mm组(n=236)。比较各组
研制了一款工作在Ku波段的大功率GaN功率放大器,功率放大器采用4个栅宽为9.6 mm的GaN高电子迁移率晶体管(HEMT)进行功率合成,总栅宽为38.4 mm。以提取的小信号S参数和大信号负载牵引结果为依据,采用ADS仿真软件进行匹配电路仿真设计。该GaN功率放大器在14.5~15.0 GHz频率范围内的输出功率(Pout)大于200 W,功率增益(Gp)大于7 d B,最高功率附加效率(ηPA
深度神经网络技术发展迅速,在各个领域都取得了极好的使用效果,随之而来的也有一些安全问题,例如对抗样本就给深度学习系统带来了很大的安全隐患。对抗样本指通过对原始样本添加一些人不易察觉的小的扰动,却能导致深度神经网络模型分类错误的一类样本。经过多年的研究,对抗样本的应用场景越来越广泛,对抗样本存在的危害性越来越大。现有对抗样本评估研究,采用对抗攻击造成的准确率降低值来衡量攻击效果,侧重于模型方面。对抗