基于粗糙K均值的服务质量相关弹性流聚集
面对多变的网络环境,现有的网络服务质量(QoS)映射中流聚集方法缺乏灵活性.针对现有聚集方法的缺陷,该文提出一种动态聚集方法.使用增强粗糙K均值算法(ERKM),按照网络流的QoS属性将网络流进行合理聚集,并且在网络处于高负载状况时,通过隶属度弹性聚集网络流,从而适应网络的变化,使得网络流聚集具有灵活性.最后进行了网络流聚集实验和调度实验.实验表明,相比于现有的方法,该方法能够更加弹性地应对不同网络状态,并且更好地保障网络流的QoS指标.此外,还进一步验证了该文方法在不同网络环境下的QoS类聚集的一致性.
网络流聚集、增强粗糙K-Means、服务质量映射、隶属度
41
TP391(计算技术、计算机技术)
国家自然科学基金61271233;江苏省研究生创新项目KYCX180894
2020-01-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
3036-3042