IP网络质量的主客观评价融合模型

针对IP网络质量评价问题,利用BP神经网络构建一种主客观特征融合的评价模型。主客观2个评价网络分别进行自适应学习,在学习输出稳定后,2个BP神经网络通过相互共振学习使主客观评价数据融合,由此获得一致的评价结果。结合用户感知的主观评价和多种客观性能评价指标对该模型进行仿真,实验结果表明,模型具有较强的抗噪性能,可以较好地满足IP网络质量的综合评价要求。     

基于IP应用的网络质量评价研究

将信息融合领域应用广泛的IBS证据理论引入网络评价领域。以网络应用为导向,分析选取待评价网络主 要承载应用的KPI,使其作为指标级信息输入;采用AHP法进行基本概率赋值,建立一种互联网质量评价层次结构, 利用两级的IBS结构进行证据融合,得到目标级网络质量评价结果。经计算可知,两级的IBS证据融合推理模型极大 程度上消除了不确定性,具有很好的实践性。     

基于NS2仿真的IP网络性能分析与研究

采用网络模拟仿真方法,选用NS2仿真软件模拟IP网络运行。编程实现四种典型的网络拓扑结构:总线型、星型、环型、网型,选取网络传输中的数据包延时、延时抖动、丢包率以及吞吐量等关键性能指标为实验采集对象。通过大量的仿真实验数据分析不同拓扑类型对IP网络性能产生的不同影响。