10.12068/j.issn.1005-3026.2019.01.005
基于Adaboost学习的lCN自适应缓存算法
针对信息中心网络(ICN)中缓存内容优化放置的问题,提出一种基于Adaboost学习的自适应缓存算法ACAL.该算法首先将提取的节点和内容数据流作为网络资源,然后利用集成学习算法Adaboost对数据流进行分析挖掘,利用挖掘出的状态属性与缓存匹配之间的函数映射关系对未来时间段内的节点与内容间的匹配关系进行预测,该预测结果用于指导缓存的部署.实验结果表明,ACAL在延时、缓存命中率和链路利用率等指标方面,与CEE策略、LCD策略、prob0.5策略和OPP策略相比有显著的优势.
信息中心网络、缓存网络、缓存策略、学习算法、Adaboost算法
40
TP393(计算技术、计算机技术)
国家自然科学基金资助项目61501102;河北省高等学校科学技术研究项目QN2014327
2019-03-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
21-25