首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于学习的SDN负载均衡选路方案研究与设计

摘要第3-4页
Abstract第4页
1 绪论第7-11页
    1.1 研究背景第7-8页
    1.2 研究现状第8-9页
    1.3 研究意义第9-10页
    1.4 论文组织结构第10页
    1.5 本章小结第10-11页
2 相关技术介绍第11-20页
    2.1 SDN技术概述第11-14页
        2.1.1 SDN核心思想第11-12页
        2.1.2 SDN网络架构第12-14页
    2.2 OpenFlow技术概述第14-16页
        2.2.1 OpenFlow交换机第14-15页
        2.2.2 OpenFlow控制器第15-16页
    2.3 机器学习相关技术介绍第16-19页
        2.3.1 机器学习技术概述第16-17页
        2.3.2 贝叶斯算法介绍第17-18页
        2.3.3 半监督k-means算法介绍第18-19页
        2.3.4 协同训练第19页
    2.4 本章小结第19-20页
3 基于分类的SDN网络负载均衡选路的研究现状第20-25页
    3.1 流分类技术的研究现状及面临的问题第20-23页
        3.1.1 基于端口的流分类技术第20-21页
        3.1.2 基于深度包检测(DPI)的流分类技术第21-22页
        3.1.3 基于MapReduce的流分类技术研究现状第22页
        3.1.4 基于机器学习的流分类技术研究现状第22-23页
    3.2 基于SDN的负载均衡选路的研究第23-24页
        3.2.1 基于SDN网络负载均衡选路方法的研究现状及存在的问题第23页
        3.2.2 流分类技术在SDN网络负载均衡选路中的优势第23-24页
    3.3 本章小结第24-25页
4 方案研究与设计第25-42页
    4.1 基于学习的流分类算法的设计与实现第26-34页
        4.1.1 数据集的选择第26页
        4.1.2 数据集的处理第26-29页
        4.1.3 Qos分类模型第29-30页
        4.1.4 分类性能评价标准第30-31页
        4.1.5 基于半监督分类算法的设计与实现第31-33页
        4.1.6 分类算法对比实验结果及分析第33-34页
    4.2 选路方案的研究与设计第34-41页
        4.2.1 OpenFlow相关消息分析第35-36页
        4.2.2 路由算法的设计第36-41页
    4.3 本章小结第41-42页
5 仿真实验的结果分析以及算法应用场景分析第42-55页
    5.1 仿真实验环境第42-46页
        5.1.1 Mininet介绍第42-43页
        5.1.2 Floodlight控制器第43-44页
        5.1.3 实验环境搭建第44-46页
    5.2 仿真实验结果第46-53页
        5.2.1 性能评价指标第46-47页
        5.2.2 实验场景设计第47页
        5.2.3 实验结果分析第47-53页
    5.3 算法应用场景分析第53-54页
    5.4 本章小结第54-55页
结论第55-56页
参考文献第56-59页
致谢第59-60页

论文共60页,点击 下载论文
上一篇:基于聚类的网站访问数据分析技术及实现
下一篇:XSS漏洞挖掘与防范研究