面向广电网的软件定义网络体系研究

本文介绍了软件定义网络的架构,总结了它的特征并详述了各层的功能,提出了面向下一代广电网的SDN架构,详细分析了架构的分层模型,并介绍了SDN架构承载高清视频业务的典型应用。     

基于软件定义网络的流量管理应用的研究和实现

基于软件定义网络架构,研究和实现了流量管理应用。分析网络流量管理应用的实现原理和功能模块,介绍流量管理的工作流程。使用Openflow设备和Floodlight控制器创建软件定义网络试验环境,并在不同的场景中进行验证。验证结果证明了流量管理应用的有效性和准确性。     

基于软件定义网络的防火墙系统设计与实现

基于软件定义网络系统架构,提出新型防火墙安全系统。分析新型防火墙系统的架构及主要功能模块,并详述防火墙的数据流处理过程。最后利用Open Flow设备和Floodlight控制器创建了一个软件定义网络防火墙验证环境,针对不同场景进行试验,试验结果证明了防火墙的有效性和效率。     

一种动态环境下的互联网服务故障诊断算法

服务环境中的动态性会对故障诊断算法性能造成影响.为了降低这种影响,分析了服务环境中的动态性,提出多层管理模型建模服务系统:二分贝叶斯网络建立依赖模型和二元对称信道建模噪声.针对故障自动修复机制导致的动态故障集环境,在故障持续时间统计的基础上修正当前窗口内先验故障概率;针对动态模型环境,基于当前窗口内原始模型和观察症状时间建立期望模型.仿真结果显示,算法可以有效地诊断动态环境下的互联网服务故障.     

基于双层贝叶斯网增强学习机制的网络认知算法

为提高网络认知的准确度,采用双层贝叶斯网络模型对网络参数进行层次化描述;采用强化学习推理算法对模型的条件概率表进行分级和学习,删除冗余信息,更准确地反映网络参数间的依赖关系,保证网络认知算法的准确度。经仿真分析,证明算法能够更好地描述网络参数的依赖信息,具有较高的推理准确度。     

多域服务环境下的分布式故障诊断算法

多域服务环境下,域间故障传播导致的跨域症状会对故障诊断算法性能造成影响。该文提出了多域服务环境下的分布式依赖模型,在该模型基础上提出分布式故障诊断算法,并从减小通信开销、更准确的症状引发评估函数和虚假症状概率3个方面对算法进行了改进。仿真结果显示,该文算法可以有效诊断多域环境下的服务故障。     

一种混合粒子群算法的贝叶斯网络优化模型

传统的粒子群优化算法通过群体中粒子间的合作和竞争进行群体智能指导优化搜索,算法收敛速度快,但较易陷入局部较优值,进入早熟状态。为了解决这个问题,提出了一种混合粒子群算法的贝叶斯网络优化模型,它可以通过当前所选择的较优解群构造一个贝叶斯网络和联合概率分布模型,利用这个模型进行采样得到更优解,用其可随机替换掉PSO中的一些粒子或个体最优解;同时利用粒子群算法对当前选择出的较优解群进行深度搜索,并将得到的最优解融入到较优解群中。分析可知,该方法可以提高算法有效性和可靠性。     

Internet服务故障管理:分层模型和算法

在基于时间窗口的Internet服务故障管理中,时间窗口大小设置不合适会给算法准确度带来影响.为了降低这种影响,分析了Internet服务故障管理中存在的问题,提出了分层故障管理模型,采用图论技术进行故障诊断,选择二分图作为各层的故障传播模型.提出了基于时间窗口的故障诊断算法--多窗口故障诊断(multi-window fault diagnosis,简称MFD),该算法通过综合考虑相邻时间窗口之间的关联关系,在一定程度上降低了因时间窗口大小设置不合适而给算法准确度带来的影响.仿真结果证明了MFD算法的有效性和效率.     

信息技术在电影分析中的应用综述

随着信息技术的不断更新,越来越多的研究者开始将信息技术运用到影视领域,将电影作品与信息可视化结合起来是近年来一个新颖的研究方向。基于相关研究成果,本文总结归纳了信息可视化在电影分析中的前沿应用,可分为观影行为可视化和电影内容可视化两大类。将算法融入电影分析也是近年来的研究热点,现有前沿成果可分为电影制作辅助和电影效果预测。本文介绍了信息技术在电影分析中的应用现状,阐述了信息技术在电影分析中的应用类别,结合有关成果和趋势,探讨了信息技术在未来电影领域的应用发展方向。     

EEG神经电影学探究与VR视觉研究方案

“神经电影学”的概念兴起以来，认知神经学与电影学交叉研究为两个领域的突破带来了更多可能。脑电波（EEG）作为重要的认知神经学研究方法之一，已与电影结下了密切联系。在介绍EEG原理的基础上，与功能性磁共振成像（FMRI）技术进行了应用比较，对电影学和认知神经科学的交叉发展进行了探究。最后，为了跨越式探索VR视觉语言规则，突破基于创作、试错、总结、评价的传统影视艺术研究方法，利用EEG神经电影学交叉研究路径，提出虚拟现实（VR）视觉艺术研究具体方案。