语义驱动的Ontology聚类

提出了一种基于语义的Ontology相似性计算方法,该方法不仅考虑概念本身的相似性,还考虑了属性集合和相关概念集合的相似性,通过概念基本相似性极限控制属性集合相似性计算的可能性,通过语义半径控制相关概念集合的范围.将基于语义的Ontology相似性方法和凝聚层次聚类算法相结合实现了基于语义的Ontology聚类.实验表明:基于语义的Ontology聚类在性能上优于使用oMAP相似性方法的Ontology聚类.     

基于双向共享树的MPLS多播流聚合算法

可扩展性是影响多播在MPLS网络大规模使用的主要问题,为解决该问题提出了一种基于双向共享树的多播流聚合算法.它根据节点之间的关系计算多播流的可聚合度,然后将标记边缘路由器聚类生成共享树的叶子节点集,并由树管理服务器计算双向共享树的拓扑结构,最后将可聚合度大于指定阈值的多播流汇聚到树中.实验结果表明,该算法可以大幅缩小MPLS标记的占用,简化中间节点的处理过程,减少路由器的转发状态,大大提高了MPLS多播的可扩展性.     

计算机网络课程实验方案设计

针对计算机网络具有交互性和随机性的特点,提出在设计计算机网络课程实验方案时应遵循两个原则,即采用逐步展开的方法体现交互性的特点以及采用人工模拟的方法克服随机性的问题。在此基础上,根据网络体系结构的分层原理,设计一系列实验来加强学生对网络通信原理的理解和掌握。     

一种基于改进蚁群算法的选播路由算法

为了在网络负载较大的情况下实现多目标多路径的选播路由,该文根据蚂蚁寻径与选播路由的相似性,提出了一种基于改进蚁群算法的选播路由算法.在运用数据包传输的历史信息来模拟路径信息素的基础上,增加了目标地址泛洪负载信息来模拟食物气味散发的过程,使得各个节点可以获得服务器和链路的最新信息.节点根据路径上的信息素、食物的气味以及链路的可见度等综合生成概率表,作为后继蚂蚁路径选择的依据.运用NS-2对该算法进行仿真,测试结果表明它可以减少传输时延,降低服务器负载的波动幅度,实现链路的负载均衡,增加网络的容量,提高选播服务的可扩展性.     

基于混合策略的QoS选播流路由优化算法

分析了QoS选播流交错服务问题的产生过程及其对网络资源的浪费，提出了一种基于混合策略的全局路由优化解决方法．在构建路由优化问题模型的基础上，得出了选播流路由端到端时延、服务器负载、网络流量、路径调整等多个优化目标和QoS约束的表达式．给出了GA、SA、TS三种算法有机结合形成的一种混合优化算法，并说明了运用该算法求解的关键步骤和实现过程．实验结果表明，本算法能够在满足QoS约束的前提下实现选播路由的多目标组合优化，与基于GA或者SA的求解算法相比具有更强的稳定性和更高的精确度．     

基于遗传算法的QoS选播流路由优化算法

选播是一种网络通信服务,在视频流点播等领域发挥重要作用。该文提出QoS选播流路由优化的问题模型,给出选播流路由端到端时延、服务器负载、网络流量等优化目标和QoS约束的遗传算法表达式,说明了算法求解的关键步骤和实现过程。实验结果表明,该算法在满足QoS约束的前提下可以实现选播路由的多目标组合优化。     

基于节点社会性的无线网络编码传输策略研究

延迟容忍网络是一种缺乏持续连接的新型网络体系结构,选择合适的转发节点是实现延迟容忍网络高效的转发和投递消息的关键问题。由于节点移动性和网络拓扑动态变化等会对延迟容忍网络的传输效率产生影响,提出了一种基于节点社会性和利用随机线性网络编码的DTN网络模型NSNC-DTN。NSNC-DTN网络模型利用网络中的社团结构、社团紧密度以及节点活跃度,选择出最合适的转发节点。离线计算节点的社会性,对源节点和Center节点进行随机线性网络编码,在线完成转发,从而达到高效转发和投递的目的。仿真结果表明NSNC-DTN网络能够有效的提高信息投递成功率,减小端对端的网络延迟和网络开销。     

计算机网络理论与实践教学改革

根据学生学习计算机网络中存在的问题,提出重新组织内容,进行理论教学改革的原则。给出结合多种软件,进行实践教学改革的方案,说明进一步密切理论与实践联系的教学改革模式。这些方法可以增强学生对各种协议的理解及运用能力,提高计算机网络课程的教学质量。     

基于混合策略的QoS选播流路由优先算法

分析了QoS选播流交错服务问题的产生过程及其对网络资源的浪费,提出了一种基于混合策略的全局路由优化解决方法.在构建路由优化问题模型的基础上,得出了选播流路由端到端时延、服务器负载、网络流量、路径调整等多个优化目标和QoS约束的表达式.给出了GA、SA、TS三种算法有机结合形成的一种混合优化算法,并说明了运用该算法求解的关键步骤和实现过程.实验结果表明,本算法能够在满足QoS约束的前提下实现选播路由的多目标组合优化,与基于GA或者SA的求解算法相比具有更强的稳定性和更高的精确度.