10.19678/j.issn.1000-3428.0060387
服务功能链中基于机器学习的QoE评估与预测
在软件定义网络与网络功能虚拟化协同的网络架构下,只考虑单个服务质量(QoS)指标的服务功能链部署无法满足用户的多业务体验需求.提出一种基于机器学习的服务功能链部署模型.基于层次分析法构造MPNQ2算法以建立QoS与体验质量(QoE)的映射关系,得出影响QoE的网络参数并评估其影响权重.在此基础上,利用具备较强综合学习和泛化能力的随机森林模型对服务功能链的QoE进行预测.实验结果表明,与梯度提升决策树、线性判别分析等机器学习模型相比,随机森林模型为预测QoE的最佳模型,同时在影响QoE的网络参数中,丢包率对服务功能链的部署影响最大.
软件定义网络;网络功能虚拟化;服务功能链;机器学习;体验质量
48
TP393(计算技术、计算机技术)
国家自然科学基金;国家重点研发计划
2022-01-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
163-169