基于流量分类的智能SDN路由优化技术研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 研究背景 | 第8-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 流量分类 | 第11-15页 |
| 1.2.2 SDN路由规划 | 第15-17页 |
| 1.3 研究内容及创新 | 第17-18页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 创新点 | 第18页 |
| 1.4 论文结构 | 第18-20页 |
| 2 相关技术 | 第20-41页 |
| 2.1 SDN技术 | 第20-25页 |
| 2.1.1 SDN概念及架构 | 第20-22页 |
| 2.1.2 OpenFlow规范 | 第22-25页 |
| 2.2 路由算法 | 第25-26页 |
| 2.3 强化学习 | 第26-34页 |
| 2.3.1 强化学习基本原理 | 第26-30页 |
| 2.3.2 强化学习常用模型 | 第30-34页 |
| 2.4 深度学习 | 第34-40页 |
| 2.4.1 深度学习基本原理 | 第35-36页 |
| 2.4.2 深度学习常用模型 | 第36-40页 |
| 2.5 本章小结 | 第40-41页 |
| 3 基于流量分类的SDN路由优化方法研究 | 第41-47页 |
| 3.1 SDN路由优化总方法研究 | 第41-43页 |
| 3.2 流量分类单元研究 | 第43-44页 |
| 3.3 流量路由单元研究 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于深度学习的流量分类 | 第47-72页 |
| 4.1 流量分类标准 | 第47-49页 |
| 4.2 离线流量分类 | 第49-59页 |
| 4.2.1 数据集构建 | 第49-51页 |
| 4.2.2 数据预处理 | 第51-52页 |
| 4.2.3 深度学习模型结构 | 第52-54页 |
| 4.2.4 实验结果及分析 | 第54-59页 |
| 4.3 在线流量分类 | 第59-71页 |
| 4.3.1 流量特征选择 | 第59-62页 |
| 4.3.2 数据集构建 | 第62-65页 |
| 4.3.3 实验结果及分析 | 第65-71页 |
| 4.4 本章小结 | 第71-72页 |
| 5 基于强化学习的路由规划 | 第72-89页 |
| 5.1 强化学习模型 | 第72-76页 |
| 5.1.1 质量函数 | 第72-73页 |
| 5.1.2 动作策略 | 第73-74页 |
| 5.1.3 奖励函数 | 第74-76页 |
| 5.2 实验结果及分析 | 第76-88页 |
| 5.2.1 质量更新函数选择 | 第78-80页 |
| 5.2.2 模型参数选择 | 第80-85页 |
| 5.2.3 奖励函数选择 | 第85-88页 |
| 5.3 本章小结 | 第88-89页 |
| 6 总结与展望 | 第89-91页 |
| 6.1 论文总结 | 第89页 |
| 6.2 展望 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 攻读硕士学位期间参加的科研项目和取得的成果 | 第95-96页 |
| 致谢 | 第96-97页 |
