-
公开(公告)号：CN114915539A
公开(公告)日：2022-08-16
申请号：CN202210549775.9
申请日：2022-05-20
Applicant: 电子科技大学
Abstract: 本发明属于SDN故障检测技术领域，具体的说是一种基于知识图谱的SDN流规则冲突故障检测方法。本发明的目的在于将SDN的集中化性质和知识图谱的表达推理能力相结合，提供一种基于知识图谱的SDN流规则冲突故障检测方法，该方法构建了SDN故障检测的知识图谱模式层，采用控制器集中收集的SDN网络实时拓扑信息作为数据层，通过定义流规则冲突检测的推理规则，实现单交换机内单级流表和多级流表的流规则冲突故障检测。
-
公开(公告)号：CN109462520B
公开(公告)日：2021-12-10
申请号：CN201811375055.5
申请日：2018-11-19
Applicant: 电子科技大学
Abstract: 本发明属于网络流量资源态势预测技术领域，特别是一种基于LSTM模型的网络流量资源态势预测方法。本发明的目的在于提出适用于流量时空非线性特点的长短期记忆(Long Short‑Term Memory，LSTM)循环神经网络预测模型。该模型结合实际流量数据突发性较强和长程依赖的特点进行模型训练和定量预测。本发明的有益效果为，本发明通过LSTM模型实现对网络流量的预测功能，有效的提高了预测准确性，并且当数据样本差异性较大时，LSTM预测模型的优势更加显著。
-
公开(公告)号：CN105848171B
公开(公告)日：2019-01-04
申请号：CN201610327027.0
申请日：2016-05-17
Applicant: 电子科技大学
Abstract: 本发明属于无线网络资源分配技术领域，特别涉及一种适用于多业务的异构无线网络资源分配。在本发明方法，当多个移动终端业务同时到来时，为终端接入一个合适的无线网络，不仅能够满足具有优先级区分的业务需求，也要能够合理地调配网络带宽资源以最大限度地满足各类业务请求，使得无线网络的总效用达到最大，在此过程中，使用Sigmoid形式的效用函数可以方便地对多类业务进行统一建模，有利于降低资源分配算法在执行过程中的复杂度。
-
公开(公告)号：CN102036255A
公开(公告)日：2011-04-27
申请号：CN201010571193.8
申请日：2010-12-02
Applicant: 电子科技大学
Abstract: 本发明提供一种能准确预测用户业务分组达到时间，从而将通信信道中的分组冲突有效分解的分组发送方法。为了在分组发送过程中更好地进行冲突分解，由用户业务建模对用户业务分组的达到时间序列建立一个用时间描述的数学模型，方便对未来的用户业务分组的到达时间进行预测，当有多个分组需要发送且发生冲突时，可根据预测结果快速的分解分组。本发明的关键之处在于通过预测下一个用户业务分组的到达时间来确定当前时隙内分组发送的指配区间，指配区间决定了当前时隙内发送在支配区间时间长度内达到的分组。本发明采用的FARIMA模型能够很好地匹配当前的无线网络环境，再结合本发明的整个分组传送方法，能有效降低分组时延、提高网络吞吐率。
-
公开(公告)号：CN100505675C
公开(公告)日：2009-06-24
申请号：CN200410021622.9
申请日：2004-01-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于蚂蚁算法的分布式自组网动态路由方法，它是由路由发现和路由维护两部分构成。本发明的路由发现过程由前向蚂蚁分组和后向蚂蚁分组这两种路由发现蚂蚁分组共同完成，前向蚂蚁分组负责建立返回源节点的路径，后向蚂蚁分组负责建立到目的节点的路径；各中间节点在路由维护阶段的数据传输过程中，实现拥塞问题、断链问题和捷径问题的分布式处理。采用本发明的方法可以减少算法中需要大量蚂蚁造成的附加开销，解决自组网中存在的捷径问题和拥塞问题，使网络负载趋于平衡，减少分组传输的端到端时延。
-
Patent Agency Ranking
公开(公告)号：CN1642131A
公开(公告)日：2005-07-20
申请号：CN200410021622.9
申请日：2004-01-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于蚂蚁算法的分布式自组网动态路由方法，它是由路由发现和路由维护两部分构成。本发明的路由发现过程由前向蚂蚁分组和后向蚂蚁分组这两种路由发现蚂蚁分组共同完成，前向蚂蚁分组负责建立返回源节点的路径，后向蚂蚁分组负责建立到目的节点的路径；各中间节点在路由维护阶段的数据传输过程中，实现拥塞问题、断链问题和捷径问题的分布式处理。采用本发明的方法可以减少算法中需要大量蚂蚁造成的附加开销，解决自组网中存在的捷径问题和拥塞问题，使网络负载趋于平衡，减少分组传输的端到端时延。
-
公开(公告)号：CN118337656A
公开(公告)日：2024-07-12
申请号：CN202410472908.6
申请日：2024-04-19
Applicant: 电子科技大学
IPC: H04L43/08 , H04L43/20 , H04L43/0823 , H04L41/0631 , H04L41/0677 , H04L41/40
Abstract: 本发明属于智能运维技术领域，具体的说是涉及一种基于SDN的网络链路异常诊断方法。本发明通过监控和采集SDN网络链路的流量性能指标，基于深度学习技术的异常检测模型实时监测网络链路异常，当发生异常后依据设定阈值判断是否网络拥塞，并在网络拥塞场景中进行定位，确定造成网络拥塞的根因设备，在提高网络稳定性和可靠性的同时为后续补救措施提供参考，实现SDN网络链路异常的智能运维。
-
公开(公告)号：CN113114582B
公开(公告)日：2022-05-17
申请号：CN202110572087.X
申请日：2021-05-25
Applicant: 电子科技大学
IPC: H04L47/127 , H04L47/2416 , H04L45/12 , H04L45/243 , H04L45/247 , H04L45/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于人工智能技术领域，具体的说是涉及一种基于机器学习的链路拥塞故障预测及网络自主管控方法，首先周期性的测量的链路性能参数，并分析不同类型业务流的QoS需求特点，提出了基于效用值的QoS路由质量度量方法，量化了路由对于业务QoS的满足程度，建立了路由质量空间到数值空间的映射。然后，基于LSTM神经网络对链路流量进行预测，并根据流量预测的结果进行链路拥塞风险判断和预防。最后，基于效用值和流量预测设计了QoS路由引擎，该引擎可以根据网络的实时资源状态、业务效用函数和链路拥塞判断结果计算业务的QoS路由，为多种不同类型网络业务流提供QoS路由计算服务，同时起到控制网络拥塞的作用。
-
公开(公告)号：CN113225346A
公开(公告)日：2021-08-06
申请号：CN202110515442.X
申请日：2021-05-12
Applicant: 电子科技大学
Abstract: 本发明属于人工智能技术领域，具体的说是涉及一种基于机器学习的网络运维态势评估方法。本发明提供了一种适用于网络运维态势中属性复杂且关联性较弱等特点的径向基(Radial Basis Function，RBF)神经网络评估模型，该模型结合设计的网络流量态势评估分级标准与实际数据进行模型训练和评估。本发明的有益效果是：本发明通过机器学习中的RBF神经网络模型实现对网络态势的评估功能，有效地提高了网络运维中态势评估的准确性。
-
公开(公告)号：CN107889195B
公开(公告)日：2020-06-16
申请号：CN201711133779.4
申请日：2017-11-16
Applicant: 电子科技大学
IPC: H04W48/18
Abstract: 本发明公开了一种区分业务的自学习异构无线网络接入选择方法，属于无线网络接入选择技术领域。当移动终端业务到来时，本发明通过接入选择管理器为终端业务接入一个合适的无线网络，不仅能够满足终端的各类业务需求，该方法综合考虑网络服务质量和用户体验，针对不同类型的业务采用不同的接入选择准则，通过赌博机模型的自学习机制，在不中断通信的情况下反映网络状态信息的动态变化，及时调整接入选择。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.021 seconds)
