基于动态复合优先级的海上节点网络选择算法

来源 :无线电通信技术 | 被引量 : 0次 | 上传用户:lhj123
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
针对海上移动节点完成业务时出现高优先级业务完成率低、业务拥堵率大、网络接入算法对波动环境适应性不足的问题,提出一种基于动态复合优先级的网络接入算法.首先,移动节点收集周围机动站点的网络属性参数,计算产生业务的执行紧迫性和剩余价值,再将不同类型业务的参数权重加入VIKOR法,形成最终的动态复合优先级,针对环境网络参数提供合适的连接方案,对请求接入的业务进行排序和接入.最后利用动态复合优先级加权计算后得到的实时环境权重更新业务参数权重.所提算法加强了业务时效性的特征,同时还兼顾了对环境波动网络参数的适应性.仿真结果表明:该算法相对于时间优先级算法和优先级控制算法,能够在提高算法业务完成率的同时提高通信网络流畅度.
其他文献
正交频分复用(OFDM)系统存在峰值平均功率比(PAPR)较高的缺点.通过对PAPR相关特性的深入讨论分析,针对峰值抵消波峰因子降低(PC?CFR)算法引入的非线性失真较大的问题,提出了一种可降低信号非线性失真的峰均比抑制算法,即PC?CFR算法与部分传输序列(PTS)算法联合改进的PAPR抑制方案.仿真结果表明,该方案显著降低了信号的误差向量幅度(EVM),并且在系统误码率方面得到了良好的改善,在文中仿真条件下,改善程度约5 dB.
为了提高心理障碍预测准确性,提出了基于历史数据驱动的心理障碍预测模型.首先采集心理障碍的相关历史数据,对历史数据进行预处理,并提取一些关键属性;然后根据这些关键属性,采用隐马尔科夫方法对属性进行数据挖掘,建立心理障碍预测模型;进行心理障碍预测实验.结果表明,这一模型的心理障碍预测精度高,降低了心理障碍预测误差.
为了提高网络入侵检测的准确率,提出了基于Spark-ML分类器和卷积LSTM(Conv-LSTM)网络的两阶段混合入侵检测系统(IDS).采用Spark-ML分类器构建异常流量检测模块,结合Conv-LSTM网络建立恶意攻击检测模块,兼顾了网络流量的特征提取和入侵类别的深度分析,实现了全局和局部潜在威胁特征的准确识别.通过ISCX 2012数据集进行验证,验证结果表明:所提出的混合IDS能够在97.29%的情况下准确地识别网络入侵,在10倍交叉验证测试中优于其他检测方法,并且具有较高的精确度和较低的误报率