排序方式: 共有84条查询结果,搜索用时 15 毫秒
41.
42.
传统以太网眼图参数计算算法是建立在高斯模型点密度统计的基础之上,是在假定眼图累积次数足够多、点分布足够密集、眼图垂直片段上的电压分布具有拟合高斯正态分布等条件下计算而得。当眼图累积的次数较少、点分布不够密集、垂直片段上的电压分布不具有拟合高斯正态分布时,眼图参数计算结果就会存在较大误差。基于此,提出基于点密度优化的以太网眼图参数计算方法,实验结果表明,该方法能较准确地计算出眼图中的眼幅度和上升/下降时间,有效克服了眼图累积次数较少、点分布不够密集对眼图参数计算的影响。 相似文献
43.
44.
45.
46.
47.
48.
针对SCPS-TP(Space Communications Protocol Standards Transport Protocol)协议的Vegas算法在LEO (Low Earth Orbit)卫星网络中吞吐量下降的问题,提出了一种自适应Vegas-AD(Adaptive)拥塞控制算法。该算法在分析Vegas的基础上,细化往返时延RTT的计算方法,使其能够更加精确地调整拥塞窗口;优化拥塞窗口的增长策略,提高了拥塞避免阶段的带宽竞争力;同时,提出基于网络拥塞程度的自适应窗口调整因子。仿真结果表明,Vegas-AD算法的带宽竞争力明显高于Vegas,并且该算法能较大幅度地提高网络吞吐量。 相似文献
49.
天地一体化智能网络规模大,环境复杂,网络中流量业务类型繁多且流量具有突发性.本文结合Spark大数据分布式平台,根据流量的特点设计了SFFS-FCBF-C4.5(简称SFC)决策树分类模型,实现了大规模网络下流量的实时分类,以保障网络中资源的合理分配和利用.SFC算法是在C4.5决策树算法的基础上结合了改进后的快速相关滤波算法(Fast Correlation-Based Filter Solution, FCBF)和连续型属性值离散化算法,可以在有效去除冗余特征和降低模型复杂度的同时,提高模型分类的速度和准确率.仿真结果表明,SFC决策树分类模型相比传统的流量分类模型具有较好的稳定性和较高的准确率,可以很好的适应复杂多变的网络环境.同时,Spark大数据分布式平台的应用大幅度提高了大规模网络下流量分类的速度,能够对海量流量进行实时分类. 相似文献
50.
天地一体化智能网络智能节点部署策略 总被引:2,自引:0,他引:2
针对传统卫星网络中,由于低轨卫星节点计算能力不足,导致大量计算任务需要传输到高轨卫星计算或转发,进而产生巨大传输时延的问题,本文利用移动边缘计算技术,结合天地一体化智能网络架构,提出了一种基于人工蜂群的智能卫星节点优化部署算法.该算法通过迭代,结合网络分簇算法,选出边缘服务有效覆盖率最高的智能卫星节点部署策略.从而使得更多卫星和地面节点能够获取到边缘服务,进而有效降低了系统的平均传输时延.实验部分建立了基于Matlab和STK的仿真实验平台,仿真结果表明本文提出的算法有效降低了传统卫星网络的平均传输时延,优化效果与粒子群算法和集群化部署算法进行对比,也有着较大的提升. 相似文献