SDN网络中基于机器学习的网络资源分配研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目标和研究内容 | 第13-14页 |
| 1.3 论文组织结构 | 第14-15页 |
| 第二章 相关技术及研究现状 | 第15-23页 |
| 2.1 流量分类技术相关研究 | 第15-18页 |
| 2.1.1 基于端口的流量分类 | 第15-16页 |
| 2.1.2 基于载荷的流量分类 | 第16页 |
| 2.1.3 基于主机行为的流量分类 | 第16页 |
| 2.1.4 基于机器学习的流量分类 | 第16-18页 |
| 2.2 SDN网络QoS路由分配相关研究 | 第18-20页 |
| 2.2.1 资源预留机制 | 第18-19页 |
| 2.2.2 队列管理和调度机制 | 第19-20页 |
| 2.2.3 多媒体流路由机制 | 第20页 |
| 2.3 强化学习 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 QoS感知的网络流量分类 | 第23-38页 |
| 3.1 现有流量分类方法的不足 | 第23页 |
| 3.2 QoS感知流量分类框架 | 第23-31页 |
| 3.2.1 特征空间 | 第24-27页 |
| 3.2.2 改进的Tri-Training算法 | 第27-30页 |
| 3.2.3 分类器更新 | 第30-31页 |
| 3.3 实验验证 | 第31-37页 |
| 3.3.1 数据集 | 第31-32页 |
| 3.3.2 评价指标 | 第32-33页 |
| 3.3.3 实验结果及分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于强化学习的QoS自适应路由算法 | 第38-47页 |
| 4.1 主要问题和研究思路 | 第38-39页 |
| 4.2 算法描述 | 第39-45页 |
| 4.2.1 算法模型 | 第39-42页 |
| 4.2.2 DQPSR算法 | 第42-45页 |
| 4.3 仿真实验 | 第45-46页 |
| 4.3.1 算法的有效性 | 第45-46页 |
| 4.3.2 算法性能对比 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 QoS感知网络资源分配框架 | 第47-60页 |
| 5.1 QoS感知网络资源分配框架设计与实现 | 第47-54页 |
| 5.1.1 QoS感知网络资源分配框架设计 | 第47-48页 |
| 5.1.2 QoS感知网络资源分配框架实现 | 第48-54页 |
| 5.2 仿真实验与性能评估 | 第54-59页 |
| 5.2.1 实验环境 | 第54-55页 |
| 5.2.2 实验与分析 | 第55-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 论文总结与未来工作 | 第60-61页 |
| 6.1 论文总结 | 第60页 |
| 6.2 未来工作 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
