10.13921/j.cnki.issn1002-5561.2020.06.004
基于机器学习的光链路建立中的传输质量预测技术
传输质量(QoT)预测在光网络中日趋重要,机器学习成为今后实现光网络中QoT预测的重要手段.提出一种基于机器学习分类器的QoT预测技术.通过传输方程生成所需的数据,用于之后的分类器训练和性能测试,并仿真验证了K最近邻(KNN)、逻辑回归(LR)和支持向量机(SVM)这3种常用的分类器的性能.仿真结果表明:相较于传统的QoT估计方法,基于机器学习的方法在有效地降低计算复杂度的前提下,还能提供相当高的预测精度,是一种具有广阔应用前景的QoT估计新方案.
光网络、传输质量、非线性光传输方程、机器学习、高斯噪声模型
44
TN256(光电子技术、激光技术)
国家重点研发计划项目2018YFB2200900
2020-07-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
15-19