基于异构融合网络的资源交互行为预测研究与仿真

在异构网络技术迅速发展的今天,网络资源也日益紧张;人们研究的重点从资源本身日益转向资源行为的互相交互之中。而资源本身之间的相关特性,也就成了重点研究的对象。文章通过研究异构融合网络中的信息交互行为,提出几种相关的预测算法,主要有时间法、多元回归法等,并对相关算法进行了一定程度的仿真。     

ICF微靶零件微铣削毛刺实验研究

通过实验的方法研究了微铣削加工过程中切削速度、每齿进给量以及每齿进给量与刀具刃口半径比值对毛刺的影响规律。实验结果表明,顺铣侧产生毛刺比逆铣侧产生毛刺尺寸大。每齿进给量相对于切削速度对毛刺的高度和厚度有显著的影响,且随着每齿进给量的增大,毛刺的高度和厚度也随之增大。当使用小进给量时,毛刺高度和厚度随切削速度提高而减小,当使用大进给量时,毛刺高度和厚度随切削速度的提高而增大。     

基于运动趋势的模糊逻辑垂直切换算法

随着无线异构网络的融合,移动性管理技术成为其关键问题,而切换管理又是移动性管理的重要部分。针对垂直切换管理提出了一种基于运动趋势的模糊逻辑垂直切换算法。算法分为预判定、模糊逻辑控制及切换判决3个过程。首先,在预判定阶段根据MN的运动趋势及接收信号强度滤除掉不适宜接入WLAN的网络信息,从而有效减少不必要的数据量和系统开销;其次,将接收信号强度、网络的可用带宽和网络开销送入模糊逻辑控制器,通过参数的归一量化最终得到网络综合性能值(VCPN);最后,通过综合考虑VCPN和驻留时间来进行网络切换判决。仿真结果显示,该算法能够有针对性地做出切换判决,有效消除乒乓效应,提高网络切换性能。     

基于业务需求的速度自适应垂直切换算法

下一代网络(NGN)是一种采用不同无线接入技术的融合网络,在这种融合的网络环境中,不同无线接入技术间的垂直切换成为重要的研究课题。但是现有的垂直切换算法少有考虑用户业务对网络的实际需求偏好以及用户的移动性,大多以网络端的属性值作为切换判决指标。为了解决上述问题,提出了一种基于业务需求的速度自适应垂直切换算法,并通过速度因子以及网络属性因子矩阵来补偿因节点运动而对无线链路质量造成的损耗,自适应调整业务对网络属性因子需求的权重,从而支撑节点做出有效的切换判决,最终实现速度自适应的能更好地服务于应用业务的垂直切换。仿真实验表明,该算法能有效地克服乒乓效应,且与其他切换算法相比有较高的数据包吞吐率。     

基于上下文感知的网络选择切换策略

针对异构无线网络环境中如何动态选网的问题,提出了一种基于上下文感知的网络选择切换策略。该策略提出一个动态的网络感知解决方案,引入模糊逻辑切换判决,以某项选择指标为依据过滤掉不满足需求的接入网络,并设计一种网络得分函数对网络进行排名计算。仿真实验表明,所提的切换策略可以为用户选择适合的接入网络,实验资源的有效利用。     

Ad Hoc网络中一种基于自裁减的广播算法

为解决简单泛洪式广播算法所引起的AdHocN络的广播风暴问题,提出了一种基于自裁减的广播算法。算法根据自裁减广播策略,通过设定延时机制和优先转发机制对网络节点是否需要转发广播包进行判定。最后,将算法应用于AODV协议,并与标准AODV协议在不同节点最大移动速度的场景下进行了转发节点数、到达率、端到端平均时延和归一化路由开销等参数的比较,以验证提出算法的有效性。     

Ad Hoc网络组播路由ODMRP协议的改进

ODMRP组播协议非常适合于带宽限制大、移动性强和节点能量受限的Ad hoc网络.为了进一步提高该协议的性能,文中提出一种新的技术来增强其功效.增强ODMRP的主要目标有:(1)改进节点移动模式的适应性;(2)消除路由获得时延.最后仿真结果显示该改进协议比原协议在数据分发率和网络有效性等性能方面有很大改善.     

基于网络配置管理的调度策略分析

对基于网络配置管理的网络控制方式进行了探讨,提出了相应的调度策略,且简要分析了相关的专家辅助决策系统,在本文的最后绘出了一个来自故障管理的配置调度策略运行过程。     

三维QoS约束下效益最优的多需求网格资源调度

文中在搭建的三维Qos模型空间下研究基于效益最优的资源调度算法,采用经济模型等关注系统与用户交互的管理方式,向用户提供服务质量保证.文中提出的资源调度策略研究在三维QoS约束下如何才能最大的满足用户和资源调度者的需求,从而使整个系统的效益值最大.文中提出的可以被反复调用的算法用来最优化基于三维的Qos资源调度.实验显示了最优化基于多维QoS的资源调度算法会得到更少的运行费用和更高的调度效率.     

基于迁移子空间的半监督领域自适应方法

传统子空间学习方法在对齐领域总体分布时往往忽略样本类别信息,若原始样本判别力不足,将难以保证投影后子空间中样本的判别性.针对该问题,提出迁移子空间的半监督领域自适应方法.通过充分利用样本类别标签先验信息,在得到具有判别性子空间的同时充分挖掘重构矩阵中蕴含的鉴别信息,增强子空间跨领域特征表达的鉴别力和鲁棒性,提高模型的分类性能.在领域自适应问题常用的基准图像数据集上进行实验,其结果表明,该算法有较好的分类效果.