| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景 | 第13-19页 |
| 1.1.1 软件定义网络 | 第14-16页 |
| 1.1.2 SDN选路优化 | 第16-17页 |
| 1.1.3 SDN规则更新优化 | 第17-18页 |
| 1.1.4 总结 | 第18-19页 |
| 1.2 研究现状与问题 | 第19-22页 |
| 1.2.1 SDN路由规则生成 | 第19-21页 |
| 1.2.2 SDN规则更新 | 第21页 |
| 1.2.3 当前研究存在的问题 | 第21-22页 |
| 1.3 研究内容 | 第22-23页 |
| 1.4 论文的组织 | 第23-25页 |
| 第二章 背景技术介绍 | 第25-29页 |
| 2.1 SDN数据流分类技术 | 第25-26页 |
| 2.1.1 基本概念与常见技术 | 第25-26页 |
| 2.1.2 DPI协同半监督学习机制的数据流分类技术 | 第26页 |
| 2.2 分段路由技术 | 第26-29页 |
| 2.2.1 分段路由背景概述 | 第26-27页 |
| 2.2.2 分段路由拼接目标数据流模型 | 第27-29页 |
| 第三章 基于深度增强学习的软件定义网络路由优化机制 | 第29-39页 |
| 3.1 引言 | 第29-30页 |
| 3.2 加装机器学习模块的SDN框架与DDPG一般原理 | 第30-32页 |
| 3.2.1 加装机器学习机制的SDN网络框架 | 第30-31页 |
| 3.2.2 深度增强学习DDPG的一般原理 | 第31-32页 |
| 3.3 DROM机制优化SDN路由的框架与方法 | 第32-33页 |
| 3.4 实验评估 | 第33-38页 |
| 3.4.1 实验方案 | 第34页 |
| 3.4.2 实验结果 | 第34-38页 |
| 3.5 结论 | 第38-39页 |
| 第四章 基于数据流QoS分类的SDN自适应更新机制 | 第39-55页 |
| 4.1 引言 | 第39-40页 |
| 4.2 基于DPI与半监督学习的数据流分类 | 第40-41页 |
| 4.3 MCFA设计思想与架构 | 第41-45页 |
| 4.3.1 基本更新机制 | 第41-43页 |
| 4.3.2 MCFA设计概要与架构 | 第43-45页 |
| 4.4 MCFA机制的设计 | 第45-51页 |
| 4.4.1 LFSR算法设计 | 第45-46页 |
| 4.4.2 三融合算法设计 | 第46-51页 |
| 4.5 实验验证 | 第51-54页 |
| 4.5.1 实验方法 | 第51-52页 |
| 4.5.2 实验结果 | 第52-54页 |
| 4.6 总结 | 第54-55页 |
| 第五章 混合SDN网络一致性更新 | 第55-75页 |
| 5.1 引言 | 第55-56页 |
| 5.2 混合SDN网络建模与性质 | 第56-60页 |
| 5.2.1 混合SDN网络的模型 | 第56-57页 |
| 5.2.2 混合网络的控制平面机制 | 第57-58页 |
| 5.2.3 分段路由在混合SDN网络更新中的应用 | 第58-60页 |
| 5.3 算法设计 | 第60-67页 |
| 5.3.1 基于分段路由的FUSR算法 | 第60-63页 |
| 5.3.2 基于顺序更新机制的GLUS算法 | 第63-67页 |
| 5.4 实验测试 | 第67-73页 |
| 5.4.1 实验方法与分段路由更新比 | 第67-68页 |
| 5.4.2 FU-only更新性能测试 | 第68-71页 |
| 5.4.3 FA-involving更新性能测试 | 第71-73页 |
| 5.5 总结 | 第73-75页 |
| 第六章 结束语 | 第75-77页 |
| 6.1 研究成果与创新点 | 第75-76页 |
| 6.2 未来工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 作者简历 | 第84-85页 |
