【摘 要】
:
随着网络技术和硬件设备的迅猛发展,因特网对人们的学习、工作和生活等方面产生了非常重要的影响。生活中的各种网络都是由相互联系的多个单层网络构成的,层与层之间的网络性质不同、结构不同却又相互依存,将这种复杂的网络称为多层网络。近年来网络虚拟化技术日渐成熟,研究人员提出了软件定义网络(Software Defined Network,SDN)来简化网络的管理,它是一种新型的多层网络架构。随着网络影响的不
论文部分内容阅读
随着网络技术和硬件设备的迅猛发展,因特网对人们的学习、工作和生活等方面产生了非常重要的影响。生活中的各种网络都是由相互联系的多个单层网络构成的,层与层之间的网络性质不同、结构不同却又相互依存,将这种复杂的网络称为多层网络。近年来网络虚拟化技术日渐成熟,研究人员提出了软件定义网络(Software Defined Network,SDN)来简化网络的管理,它是一种新型的多层网络架构。随着网络影响的不断加深,对于网络的安全性能要求也越来越高。如何迅速地检测网络状态、定位故障位置来降低故障对网络性能的影响,具有十分重要的意义。本文对基于多层网络的故障检测与诊断问题进行研究,具体分为以下三部分:(1)多层网络技术综述。通过对传统多层网络和SDN相关研究的了解,对主要的传统网络和SDN网络的故障诊断算法进行对比,并分析各算法的优点、存在的问题以及适用范围。(2)传统多层网络故障诊断算法。传统网络故障诊断算法多是针对单层网络的,相关研究已较为成熟,但基于多层网络的故障诊断研究相对较少。单层网络的故障诊断算法不能直接用于多层网络上,需要考虑层与层之间的差异性以及多层网络的特点。根据现实中多数网络仅含有少量故障的特点,本文提出了一种多层迭代更新(Malti-layer Iterative Update,MIU)故障诊断算法。首先,利用贝叶斯网络对多层网络的故障传播机制进行分析并建立多层网络故障传播模型;然后,结合网络少故障的特点,对单层网络提出启发式的可能故障假设;最后,根据网络特点和多层网络中层与层之间的关系,提出可能故障假设在多层网络中迭代的方法,并计算得出最可能故障假设。仿真结果表明本文提出的算法在少量故障的前提下比其他几种多层网络故障诊断方法在时间性能上有着巨大的提升,并在故障的诊断和误判上表现良好。(3)新型多层网络SDN故障诊断算法。目前基于SDN的故障诊断算法多需要不断地对网络进行大规模测量,并根据测量结果分析故障位置,但是这种测量会占用大量网络资源且效率低下。本文提出一种快速检测和定位的贪婪最小探测(Greedy Minimum Probes,GMP)算法。首先,采用规则管理服务器监视所有控制器并处理控制层故障;然后,通过控制器获取网络拓扑信息;其次,根据拓扑信息和头空间分析的结果,使用一种贪婪的方法得到测试集合来快速地检测网络状态;最后,结合检测结果和网络中可疑规则的数量,提出准确定位故障位置的算法。通过仿真实验,证明本文提出的算法具有更小的网络开销,能够实现快速检测网络以及准确定位故障的需求。
其他文献
随着我国经济、文化日益发展壮大,国家对科教文明越来越注重,尤其是对早期教育的重视日益提升。与此同时,国家相继出台了一系列相应的教育扶持政策,推动早期教育的发展。在如此形势下,各种早教机构应运而生,并且能够带来巨大的经济和社会效益,这也让早教机构在全国各地得以迅猛发展。相对于一线城市,我国的三四线中小城市的早教市场呈现出起步晚、发展快的趋势,这势必会造成早教业发展的不完善,同时也给中小城市的早教机构
本论文讨论了非定常非线性对流扩散方程的EQ1rot非协调元的逼近问题.通过利用积分恒等式和平均值技巧,并借助于EQ1rot元自身所具有的两个重要性质:(1)对于EQ1rot有限元来说,当
随着物联网技术的快速发展,基于传感器数据的模式分析系统为家居安全、病情监测等领域提供了一种有效解决方案。其中,基于环境传感器的模式分析系统以其低成本、低侵入性等特点,具有良好的实用价值。然而,基于环境传感器的分析存在如下问题:由于传感器的密集部署和延迟关闭,收集到的传感器数据中包含噪声,导致基于传感器数据的分析效果下降;缺乏有效的传感器序列分段方式;缺乏细粒度的用户行为模式分析研究等。本文以智能家
高中物理2017年新课标提出“为学生终身发展、应对现代和未来社会发展的挑战打下基础”,这与美国心理学家卡罗尔·德韦克教授提出“重新定义成功的思维模式,促进终身成长”这一观点不谋而合,对思维模式的培养就是对新课标“授人以渔”思想的一种体现。在国外,根据德韦克的理论,把成长型思维模式应用于教育教学中已经取得了一定的成果。想要把成长型思维模式应用于教育教学中,就必须了解现在高中阶段学生的思维现状,于是笔
图像超分辨率(S uper-resolution,SR)是低层次计算机视觉领域中的一类经典问题,其目的是从一幅低分辨率(Low-resolution,LR)图像中重建出所对应的高分辨率(High-resolution,HR)图像。由于在低分辨率到高分辨率空间中,存在着一对多的图像映射关系,所以超分辨率重建是一种不适定问题。在大尺度重建任务中,图像丢失的信息更多,高质量的超分辨率重建是一项极具挑战的
色散-耗散方程、高阶KdV方程以及反应扩散方程等都是具有重要意义的几类非线性微分方程.本文运用动力系统的方法,特别是几何奇异摄动理论,结合Schauder不动点理论,上下解方法
随着互联网信息量的激增和信息类别的不断多样化,快速、精确地获取有效信息变得愈加困难,致使基于文本内容的语义分析已成为自然语言理解的重要研究分支。另一方面,在大数据时代,随着电商的蓬勃发展,如何利用语义分析挖掘商品评价信息中潜在的情感态度,推动网络舆情监督、商品售后自动抉择,已是急需研究的重要课题。为此,本文以中文字、词、句释义为基础,研究基于深度学习与注意力机制的文本情感分析。研究工作不仅有助于推
近年来,国家不断加强监狱管理信息化建设,进一步提高监狱系统罪犯管理水平。在大数据时代,监狱单位每天产生大量蕴含着丰富信息的数据,利用数据挖掘技术从海量罪犯数据中挖掘出有用的信息,能够帮助监狱管理人员了解罪犯具体情况,通过整体信息做出优化的管理决策,实现监狱管理的智能化。为了实现对海量罪犯数据的有效挖掘,在司法行政执法管理平台一期建设项目组中,参与设计了利用Spark MLlib的K-means算法
雷达辐射源个体识别是获取非合作方战略布局信息并快速掌握战争主动权的关键所在。当今战场电磁环境的复杂化使得传统基于单一特征和单一分类器的识别方法在稳定性和可靠性上均难以得到保障。如何在复杂电磁环境下获取有效的个体特征并进行精准的识别便成为了雷达辐射源个体识别的首要问题,为此本课题围绕雷达辐射源建模、特征提取、特征优化以及分类器的设计展开深入研究,设计了一套基于多维度特征提取与决策级融合的雷达辐射源个
高分辨率图像通常具有清晰稳定且细节丰富等优点,应用在教育、军事和气象等领域往往可以发挥十分重要的作用,然而受到现有的光学图像采集技术的限制以及自然条件等客观因素的影响,所采集到的图像往往会出现降质、噪声等现象。图像超分辨率重建技术可以将降质的低分辨率图像重新生成为高分辨率图像,由于传统的超分辨率重建技术得到的重建图像的质量不能满足某些特定场景的需求,而卷积神经网络通过构建网络模型可以很好地拟合图像