基于SDN的物联网业务流分类路由策略研究与设计

来源 :北方工业大学 | 被引量 : 0次 | 上传用户:pjq521
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着物联网技术的快速发展和物联网设备的不断增多,网络中的业务种类也越来越丰富,各类业务产生的大量数据流量也随之而来,而不同的物联网设备产生的业务流量对网络的底层资源有着不同的需求,业务流种类和数量的剧增为物联网的管理与用户服务质量的保障带来了巨大的挑战。传统网络仅提供尽力而为的服务,利用节点间的跳数作为评价调度路径优劣的标准,导致网络中的资源分配不均,难以满足物联网用户对不同业务的服务质量需求。软件定义网络作为一种具有集中控制、转控分离等优势的新型网络架构,为改善物联网管理、保障物联网用户服务质量提供了新的途径。本文主要在SDN架构下研究并设计了物联网的业务流分类路由策略:设计了流量感知节点,利用SDN转控分离的特点将数据平面的网络拓扑与资源信息实时上报给控制平面,为业务流的分类与调度提供依据;针对物联网业务流量数据量大、连续特征属性多、业务类别分布不平衡、存在大量噪声的特点,设计了基于决策树与集成学习相结合的业务流分类模型,并将其部署于SDN的控制平面为收集到的业务流信息分类;针对不同物联网业务对各类网络资源需求的不同,设计了基于网络状态Qo S参数的业务流调度策略,通过将该策略部署到SDN控制平面来计算业务与网络资源之间的关联度,并以关联度作为迪杰斯特拉算法进行路由调度的依据,为业务流选出最优的传输路径并以下发流表的方式实现路由调度,从而保障物联网用户的服务质量。最后通过实验将本文提出的分类模型与其它四种分类模型进行对比,在分类精度、训练用时和分类用时方面均有显著提升,证明了该模型具有良好的分类性能;将本文设计的业务流调度策略与另外两种业务流调度策略进行对比,以业务流从源地址到目的地址的总时延、带宽、丢包率三个指标来衡量该方法的性能,三个指标均有明显提升,证明了该方法的优越性。
其他文献
“教—学—评”一体化是新课标背景下落实立德树人根本任务、实现学生核心素养发展的重要方式。本研究针对当前教学实践中的教与学“两张皮”、教育与评价二元分离、“教”“学”“评”三者的目标不一致、评价主体单一化和评价方式单一性等问题,提出以发展学生的核心素养作为共享目标,运用标准多维性、主体多级性、方式多元化促进“教—学—评”一体化的策略,以期为促进学生核心素养发展的教学改进提供参考。
期刊
有限的电池容量、较高的无线网络传输延迟和低计算力的用户设备长期以来限制着移动计算网络的发展。近年来,随着第五代移动通信技术(5th Generation Mobile Networks,5G)和雾无线网络(Fog-Radio Access Networks,F-RANs)的快速发展使得打破这些限制,实现设备的可持续运行以及高负荷计算任务的本地端处理变成了可能。在雾无线网络中,系统通过将任务卸载到远
学位
压缩伪影是影响重建视频质量的关键因素之一,现有的视频编码器主要利用环路滤波方法减少压缩伪影。通用视频编码VVC(Versatile Video Coding)中的环路滤波器主要使用单帧视频数据进行滤波重建,没有充分利用视频序列帧与帧之间内容上的连续性,视频质量提升有限。基于深度学习的多参考帧滤波方法可以利用多帧信息进行滤波重建,为视频质量的进一步提升提供了新思路。本文对基于深度学习的多参考帧环路滤
学位
【目的】探究抑郁症肝郁脾虚证是否会出现SIRT1/PGC-1α通路的异常。【方法】纳入健康人(平和质)、肝气郁结型抑郁症患者和肝郁脾虚型抑郁症患者各10例,采集外周血以Western Blot法检测3组受试者的沉默信息调节因子1(SIRT1)、过氧化物酶体增殖物激活受体-γ共激活因子1α(PGC-1α)、核呼吸因子1(NRF-1)、核呼吸因子2(NRF-2)、线粒体转录因子A(TFAM)蛋白表达含
期刊
地基合成孔径雷达(Ground Based Synthetic Aperture Radar,GBSAR)系统具备形变测量精度高、观测面积大及可全天候非接触监测等特点,是对露天矿山亚毫米级形变监测的主要技术手段之一。然而地基SAR在长期不间断差分干涉测量过程中难免受环境或系统变化影响,导致差分干涉相位序列中包含的误差相位变化被错位识别为形变,造成形变虚警问题。本文将该问题转化为相位序列的分类问题,
学位
唇语识别是指计算机通过学习说话者嘴唇的动态序列图片变化来识别出说话者所说的语言内容。唇语识别技术的应用范围广,如在国家公共安全防护领域、医学矫正领域等等。目前研究唇语识别大都使用深度学习,然而为了达到高识别率,实现唇语识别的网络模型越来越大,导致难以部署到移动端。因此,本文针对以上问题对传统的MobileNet网络进行优化改进,提出一种轻量化程度更强的FD-MobileNet网络,并利用FD-Mo
学位
为了保障公共安全和社会稳定,监控摄像头被广泛应用于广场、机场和车站等人口密集的公共场所。但是,海量的监控数据对快速检测视频中人体的异常行为提出了挑战。因此针对智能监控领域,利用深度学习技术对监控视频中人体的异常行为进行检测和识别已经成为一个研究热点。受视频中复杂的背景和目标种类较多等因素的影响,异常行为的精确识别面临较大的困难。目前异常行为识别模型存在结构复杂、计算时间长和识别效果差等问题。针对上
学位
随着日常生活水平的提高,同时受到疫情等情况的持续影响,不仅用户侧的用电需求量日益增大,还会出现新的用电行为模式,因此检测用户的用电行为以更好地适应用户需求,并发现潜在问题变得十分重要。目前电力物联数据每天或每小时以百万级的速度产生,并且电力物联数据的种类繁多,蕴含着体现用户用电行为、电能质量、电力设备运行状态等重要信息,所以有必要基于电力物联数据开展用电行为检测。用采数据源自用户侧的智能电表,是电
学位
随着集成电路产业的飞速发展,半导体器件的先进工艺节点已到达5nm,为抑制由半导体器件尺寸微缩所产生的短沟道效应,器件结构从传统的平面设计向着三维的Fin FET器件以及纳米环栅器件等结构发展。另外,绝缘体上硅结构器件以及新材料(比如:低导热率的Si Ge等)也已被引入到了传统的硅基MOS器件中。但是,在器件性能提升的同时,由于密集热产生、热扩散低效等问题引起了更多的可靠性挑战。自热效应的研究对器件
学位
面对互联网发展过程中快速增长的信息,人们可以比以前更方便的接触到各类信息和知识,但是海量的数据也给当前的问答系统带来了挑战,如何快速准确获取有价值的信息成为了当前研究的重点。本文主要研究问答系统中的答案选择任务,任务的关键是计算问题句和候选答案句之间的语义相似度,从而筛选出最符合问题的答案。为了解决以往模型中存在的问答句语义交互较弱和背景信息不足的问题,本文在以BERT模型为基础的深度学习模型上进
学位