基于机器学习的光网络路由与频谱分配机制研究

对于光网络而言,路由与频谱分配是制约光层资源利用率和光网络容量的重要问题之一.机器学习迅速发展,为光网络管理与控制的智能化、自动化提供了新的发展方向.本文回顾了近年来基于机器学习的路由频谱分配相关研究,介绍了光网络控制中常见的机器学习算法,描述了基于神经网络和强化学习的路由频谱分配机制,最后分析了当前研究在泛化性和可靠...     

基于机器学习的网络异常流量检测方法

研究一种基于机器学习的网络异常流量检测方法。使用改进型ANFIS算法作为建立的网络异常流量检测方法的核心算法。由于传统的神经网络算法使用的梯度下降算法在实际应用时,存在易陷入局部极小值,训练效率低下等问题,因此研究的改进型ANFIS算法使用附加动量算法修正模型参数,使系统能够越过误差曲面的局部最小值。最后使用KDD CUP99数据库以及LBNL实验室测试的数据对改进型ANFIS算法和BP神经网络算法的检测方法进行性能测试。结果表明,使用改进型ANFIS算法检测系统的训练效率以及检测准确率均优于使用BP神经网络算法建立的模型。     

基于混合式机器学习的光信噪比预测方法

随着网络技术的蓬勃发展,光网络向着超高速大容量的方向发展,光网络结构越来越复杂,导致网络中光信号传输受到各种物理层损伤的影响.在光通信设备中,物理层最重要的参数就是光信噪比(OSNR),其值的大小直接决定了业务能否正常运行,一旦不能满足要求,将会造成传输错误或失败、服务质量降低和传送消耗增加等问题.文章提出一种准确高效...     

光传送网络的优化

为了满足未来电信市场对高速率和高可靠性光网络的需求,优化现有光网络不仅能提高数据传输效率更节约了运营商的建设和维护成本.本文简要分析了光传送网优化的原因、策略以及常用方法.     

基于机器学习的光网络干扰攻击检测、识别与恢复方法

光网络由于其结构的脆弱性,容易受到旨在中断通信服务的信号干扰攻击。基于此,提出了一种基于机器学习的攻击检测、识别与恢复框架。在攻击检测与识别方面,评估了BiLSTM、1DCNN和7种常规机器学习分类器（ANN、DT、KNN、LDA、NB、RF和SVM）在检测攻击是否存在,以及识别受到的不同类型的干扰攻击上的性能。在攻击恢复方面,提出了基于BiLSTM-BiGRU的干扰攻击恢复模型,分别用来恢复轻度带内、强度带内、轻度带外和强度带外干扰攻击。数值仿真结果表明,所提模型表现出优异的性能,检测与识别准确率高达99.20%,针对4种攻击的恢复率分别为95.05%、97.03%、94.06%和61.88%。     

基于机器学习的网络感知评估方法

提升网络感知和客户满意度一直是网络优化的工作主线,而KPI指标无法反映网络真实感知情况,传统通过调研了解客户满意度的方式存在很大局限性。本文深入研究了KPI指标和网络真实感知的映射关系,通过大数据挖掘和机器学习建模实现了感知权重因子的量化,以此为基础完成了一种基于机器学习的网络感知评估方法,为客户满意度提升工作提供了全新的分析思路和支撑手段。     

WDM网络的光性能监测系统设计与实现

介绍了基于光谱分析仪(0SA)的光通道性能监测(0PM)系统在WDM网络中的设计与实现,详细阐述了该模块的硬件结构与软件开发流程,并说明了该模块在WDM网络节点设备中的应用.     

基于机器学习的无线通信网络安全漏洞智能监测系统

针对传统无线通信网络安全漏洞监测系统监测精度较低、耗时长等问题,提出基于机器学习的无线通信网络安全漏洞智能监测系统.在监测系统硬件设计中,根据无线通信网络总体架构,以及无线通信网络数据特征,将其划分为漏洞数据采集模块、漏洞数据扫描模块及网络安全漏洞智能监测模块.在漏洞数据采集模块中,利用无线数据采集器在漏洞数据库中采集...     

光网络仿真在网络优化中的应用

提出了一种运用光网络仿真平台对光网络资源进行优化配置的方法。在资源优化配置过程中,采用了交互式仿真方法,加快了求解问题的收敛性。对实际光网络的网络资源优化配置的结果表明,光网络仿真在光网络资源优化配置中有着重要的实际意义。     

基于机器学习的网络舆情预测研究综述

大数据时代来临,社交网络和自媒体平台为公众提供了解多元文化的渠道。与此同时,一些负面、虚假或未被证实的消息同样可以得到传播。因此,在舆情形成初期,实时监看和预测未来的舆情走势成为重中之重。传统的网络舆情监看依靠人工信息汇集和分析预测舆情走势,随着机器学习技术的发展,基于机器学习的预测方法已在各个行业取得成就。文中对应用于网络舆情预测的主要机器学习模型进行梳理和理论介绍。此外,对当前应用机器学习于网络舆情预测的主要方法进行全面综述、对引入的关键技术进行整理介绍并探讨未来发展方向。     

光网络中的监测优化及仿真

随着光传输网容量的增大,故障的快速识别与定位变得越发重要.文章针对当前光网络中故障监测设备的优化配置问题进行了研究,通过算法优化,实现了故障最大化覆盖而监测设备的数量最小化.在此基础上构建了仿真平台,仿真结果表明,采用优化算法后所需监测设备的数目为最少,但最大化去除了冗余告警量,且定位快速高效.     

数据中心光网络资源分配方法与优化

数据中心采用光网络传输模式有利于提高系统的灵活性和拓展性,进而降低整体的能耗水平,但在实践中发现光网络资源存在分配不合理、应用效率较低等问题,不利于数据中心应对流量增加、宽带资源紧张等挑战。通过机器学习建立流量分类算法模型,并将其设计为流量分类器,使其融入光网络的流量传输环节,实现流量自动分类。借助遗传算法模型重构光网络的拓扑结构,从而优化传输路径。通过以上两项措施改进光网络的资源分配方式,并借助软件模拟检验算法模型的性能,结果显示经过以上算法处理的光网络缩短了传输路径的长度,提高了网络资源的利用率。     

基于机器学习的5G共建共享站址选取方法

5G是未来移动通信网络的发展方向,相比4G移动网络,5G网络建设投资成本巨大.网络共享将是运营商加快5G商用进程及降低成本增加效益的有效途径,共建共享研究将会是未来5G建设中关键一环.在共建共享工作中,对双方现网站点的建设优先级筛选非常重要.为了更加方便快捷地分析出合理的选址方案,把机器学习方法利用在选址规划当中,从共...     

基于网络舆情倾向性分析的机器学习方法研究

本文重点是对网络用户中的网络舆情倾向性进行分析,构建一种准确率更高的模型来实现情感倾向判断.网络舆情倾向性分析主要是通过机器学习的方法和制定部分规则的方法,从而能够更加准确地判断出句子的情感倾向性,进而能在实际生活中进行有针对性地积极引导调控.基于此,提出一个设想,对于机器学习的方法之间的结合与本身的改进,再加入规则的制定,能够提高机器对情感句子的分析准确率.对于模型应用之前的特征提取的方法进行比较选取,通过特定的特征选取方式使得构造向量空间更加准确,再通过比较不同分类算法进行比较选取.     

基于PAM4数字光标签的WDM光网络监测

波分复用（WDM）光网络具有波长和节点数目众多、传输路径动态重构、业务/资源动态调度等特点,亟须发展低成本、高可靠的在线监测技术,以保障光网络的安全稳定运行。本文提出了一种基于四进制脉冲幅度调制（PAM4）数字光标签的低成本、高可靠、高效率监测方案,并创新设计了PAM4光标签加载、探测和处理等整套机制与方法,配合所提出的基于PAM4光标签序列特征的光功率监测误差修正方法以及基于频谱峰值的功率计算方法,所提方案可以准确高效地监测波长通道光功率、估计光信噪比（OSNR）并恢复数字标签信息等。搭建了16 GBaud偏振复用QPSK/16QAM WDM光传输仿真系统和离线实验平台,验证结果表明所提方案在25跨段长距离传输后的通道光功率监测误差不超过0.65 dB,OSNR估计误差不超过0.6 dB,性能略优于传统的基于差分相移键控（DPSK）低阶调制格式的光标签监测方案。     

基于机器学习技术的无线小区负载均衡自优化

利用机器学习方法实时对高流量小区进行负载均衡是无线网络智能化的重要课题之一,目前仍无较成熟的应用案例。鉴于此,提出了基于XGBoost以及DNN的无线小区负载均衡参数自优化方法,并分别对均衡切换事件、切换门限进行建模预测。实验结果显示,该方法的切换事件预测准确率达到97.3%,切换门限拟合优度为0.6～0.8,可以高效、精准地实现负载均衡的自优化。     

智能光网络中的光通道性能监测技术及其应用

光通道性能是影响业务信息有效传送的关键因素。本文在介绍三个基本光通道性能参数的基础上,详细分析了多种光通道性能监测技术的主要原理,然后探讨了这些技术在智能光网络中的应用。     

基于机器学习的网络投诉预测分析

减少网络相关的投诉一直是运营商的重点工作之一。目前,网络投诉用户预警方案多以网优工程师经验为主导,准确率和效率都较低。本文通过对历史网络投诉用户数据进行全面深入的分析,基于XGboost算法建立投诉用户特征模型,实现了对网络投诉用户的预测。该方法预测准确率较高,与其他网优系统对接后能够定位用户质差原因,使网络部门能够提前进行网络优化,提升用户满意度。     

基于机器学习技术的直放站干扰识别方法研究

干扰识别和优化是运营商无线网络优化的重点环节和长期需求。本文提出了一种基于机器学习技术的直放站干扰识别方法,能够大幅提升直放站干扰识别的准确性和排查效率,为难以用规则识别的复杂无线干扰系统提供了一种新的技术实现途径,实验和测试结果证明了该方法的有效性。