面向SDN的智能路由机制的设计与仿真实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 软件定义网络概述 | 第11-13页 |
| 1.1.1 产生背景 | 第11页 |
| 1.1.2 网络架构 | 第11-12页 |
| 1.1.3 基本特征 | 第12-13页 |
| 1.2 OpenFlow协议 | 第13-15页 |
| 1.2.1 基于OpenFlow的SDN | 第13-15页 |
| 1.2.2 OpenFlow面临的问题 | 第15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 主要研究内容 | 第17-18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 第2章 相关理论与技术 | 第19-27页 |
| 2.1 SDN路由机制 | 第19-20页 |
| 2.2 人工神经网络 | 第20-23页 |
| 2.2.1 原理 | 第20-22页 |
| 2.2.2 分类 | 第22-23页 |
| 2.3 BP神经网络 | 第23-25页 |
| 2.3.1 概念 | 第23页 |
| 2.3.2 网络结构 | 第23-25页 |
| 2.4 RBF神经网络 | 第25-26页 |
| 2.4.1 概念 | 第25页 |
| 2.4.2 网络结构 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 面向SDN的智能路由机制 | 第27-59页 |
| 3.1 系统框架 | 第27-29页 |
| 3.2 网络模型 | 第29-34页 |
| 3.2.1 控制器节点模型 | 第29-32页 |
| 3.2.2 交换机节点模型 | 第32-34页 |
| 3.3 数据收集与预处理机制 | 第34-38页 |
| 3.3.1 网络数据收集 | 第34-35页 |
| 3.3.2 样本数据集构造 | 第35-37页 |
| 3.3.3 样本数据集归一化 | 第37-38页 |
| 3.4 基于神经网络的路由预测机制 | 第38-42页 |
| 3.4.1 问题描述 | 第38页 |
| 3.4.2 神经网络模型选择 | 第38页 |
| 3.4.3 神经网络训练机制 | 第38-41页 |
| 3.4.4 学习机制的分发协议 | 第41-42页 |
| 3.5 基于BP神经网络的SDN智能路由机制 | 第42-48页 |
| 3.5.1 BP神经网络模型 | 第43-44页 |
| 3.5.2 BP神经网络学习算法 | 第44-46页 |
| 3.5.3 BP神经网络分发报文设计 | 第46页 |
| 3.5.4 基于BP神经网络的路由预测流程 | 第46-48页 |
| 3.6 基于RBF神经网络的SDN智能路由机制 | 第48-58页 |
| 3.6.1 RBF神经网络模型 | 第48-49页 |
| 3.6.2 径向基函数中心的确定 | 第49-55页 |
| 3.6.3 RBF神经网络学习算法 | 第55页 |
| 3.6.4 RBF神经网络分发报文设计 | 第55-56页 |
| 3.6.5 基于RBF神经网络的路由预测流程 | 第56-58页 |
| 3.7 本章小结 | 第58-59页 |
| 第4章 仿真实现与性能评价 | 第59-73页 |
| 4.1 仿真环境 | 第59页 |
| 4.2 仿真实现 | 第59-65页 |
| 4.2.1 网络拓扑模块的仿真实现 | 第59页 |
| 4.2.2 应用分类模块的仿真实现 | 第59-60页 |
| 4.2.3 样本数据集构造模块的仿真实现 | 第60-61页 |
| 4.2.4 BP神经网络模块的仿真实现 | 第61-63页 |
| 4.2.5 RBF神经网络模块的仿真实现 | 第63-65页 |
| 4.2.6 路由预测模块的仿真实现 | 第65页 |
| 4.3 性能评价 | 第65-71页 |
| 4.3.1 拓扑用例 | 第65-66页 |
| 4.3.2 评价指标 | 第66-67页 |
| 4.3.3 实验结果 | 第67-71页 |
| 4.4 本章小结 | 第71-73页 |
| 第5章 结束语 | 第73-75页 |
| 5.1 全文总结 | 第73-74页 |
| 5.2 研究展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
