-
公开(公告)号：CN104301391B
公开(公告)日：2019-02-22
申请号：CN201410483865.8
申请日：2014-09-19
Applicant: 北京邮电大学 , 中国电力科学研究院信息通信研究所
IPC: H04L29/08
Abstract: 本解决了分布式数据中心的IT资源和多域软件定义光网络物理带宽资源的协同虚拟化映射问题，提出了一种层次化的虚拟化资源映射方法。包含以下步骤：主控制器接收虚拟请求后拆分为数据中心资源请求以及光网络资源请求；对数据中心的存储和计算资源进行预留映射和资源分配；根据虚拟请求中的拓扑结构和链路资源需求对多域光网络进行域间算路；将虚拟请求拆分成多个子虚拟请求发送给各个光域的光控制器；光控制器根据时延敏感程度采取不同的映射策略；映射完成后光控制器下发消息指令修改光节点的物理状态，并将映射结构通过消息反馈给主控制器。本发明降低了资源虚拟化映射的复杂度，弱化了主控制器工作负载压力，提高了映射过程的效率和速度。
-
公开(公告)号：CN104301812B
公开(公告)日：2020-06-30
申请号：CN201410483847.X
申请日：2014-09-19
Applicant: 中国电力科学研究院信息通信研究所 , 北京邮电大学
IPC: H04Q11/00
Abstract: 本发明为了解决数据被映射到光网络时很难被处理的问题，基于NFV特性节点架构提出了一种实现网络功能虚拟化的方法和相对应的光网络系统。系统包括资源层、物理网络控制层、虚拟网络控制层和云层。本发明所述网络功能虚拟化方法，包括云层向虚拟网络控制层提出虚拟网络建立请求、虚拟网络控制层选择虚拟网络节点的地理位置和光通道上的源宿节点、物理网络控制层依据当前的节点链路资源情况进行路由选择和波长分配构造虚拟网络节点、虚拟网络控制层通过OpenFlow协议和每个所述虚拟网络节点成功建立连接。本发明由于采取新的光网络架构，可以对传统OTN设备下的光网络中数据进行处理，很好地实现网络虚拟化功能。
-
公开(公告)号：CN104301812A
公开(公告)日：2015-01-21
申请号：CN201410483847.X
申请日：2014-09-19
Applicant: 中国电力科学研究院信息通信研究所 , 北京邮电大学
IPC: H04Q11/00
Abstract: 本发明为了解决数据被映射到光网络时很难被处理的问题，基于NFV特性节点架构提出了一种实现网络功能虚拟化的方法和相对应的光网络系统。系统包括资源层、物理网络控制层、虚拟网络控制层和云层。本发明所述网络功能虚拟化方法，包括云层向虚拟网络控制层提出虚拟网络建立请求、虚拟网络控制层选择虚拟网络节点的地理位置和光通道上的源宿节点、物理网络控制层依据当前的节点链路资源情况进行路由选择和波长分配构造虚拟网络节点、虚拟网络控制层通过OpenFlow协议和每个所述虚拟网络节点成功建立连接。本发明由于采取新的光网络架构，可以对传统OTN设备下的光网络中数据进行处理，很好地实现网络虚拟化功能。
-
公开(公告)号：CN104301391A
公开(公告)日：2015-01-21
申请号：CN201410483865.8
申请日：2014-09-19
Applicant: 北京邮电大学 , 中国电力科学研究院信息通信研究所
IPC: H04L29/08
CPC classification number: H04L67/1002
Abstract: 本解决了分布式数据中心的IT资源和多域软件定义光网络物理带宽资源的协同虚拟化映射问题，提出了一种层次化的虚拟化资源映射方法。包含以下步骤：主控制器接收虚拟请求后拆分为数据中心资源请求以及光网络资源请求；对数据中心的存储和计算资源进行预留映射和资源分配；根据虚拟请求中的拓扑结构和链路资源需求对多域光网络进行域间算路；将虚拟请求拆分成多个子虚拟请求发送给各个光域的光控制器；光控制器根据时延敏感程度采取不同的映射策略；映射完成后光控制器下发消息指令修改光节点的物理状态，并将映射结构通过消息反馈给主控制器。本发明降低了资源虚拟化映射的复杂度，弱化了主控制器工作负载压力，提高了映射过程的效率和速度。
-
公开(公告)号：CN112560204B
公开(公告)日：2023-01-10
申请号：CN202011112574.X
申请日：2020-10-16
Applicant: 北京邮电大学 , 国网新疆电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
Abstract: 本说明书一个或多个实施例提供一种基于LSTM深度学习的光网络路由优化方法及其相关装置，应用深度学习中的LSTM预测模型，通过学习不同场景下的链路使用率和业务剩余时间特征与路由策略复杂的映射关系，将网络中链路和业务整体信息作为输入，通过几层神经网络计算快速获取重构阈值，来决策是否进行路由优化策略。该方法解决了现有技术中算法通常存在特征学习能力有限，对复杂函数的表达能力比较差，优化目标参数单一，交换机资源有限和网络资源开销巨大的缺陷，同时该阈值随着业务的不断到来可以实时高效的改变，从而缓解因为网络流量波动或者承载业务量过多而导致业务阻塞的情况，实现了光网络业务自适应的路由优化。
-
Patent Agency Ranking
公开(公告)号：CN111614571B
公开(公告)日：2022-03-04
申请号：CN202010340849.9
申请日：2020-04-26
Applicant: 北京邮电大学 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC: H04L47/10 , H04L47/283
Abstract: 本发明提供的分布式的关键型任务端到端时延优化方法及系统，该包括：根据端到端网络，构建底层核心网络的权重有向图；以链路拥塞因子作为优化变量，考虑链路存在故障时的链路‑路径流量恢复设计，构建时延优化模型；采用基于交替方向乘法子的Benders分解，对时延优化模型进行求解，获取分布式的链路‑路径流量规划方案。本发明实施例采用简洁的方法对底层核心网络进行设计，创建了一个针对最小化最大链路拥塞因子的问题模型，并采用基于交替方向乘法子的Benders分解对该模型进行求解，以得到分布式的链路‑路径流量规划方案，使得端到端关键型任务时延最小化，兼顾了链路‑路径的流量恢复设计，有效的提高了优化的效率和精度。
-
公开(公告)号：CN111614571A
公开(公告)日：2020-09-01
申请号：CN202010340849.9
申请日：2020-04-26
Applicant: 北京邮电大学 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC: H04L12/801 , H04L12/841
Abstract: 本发明提供的分布式的关键型任务端到端时延优化方法及系统，该包括：根据端到端网络，构建底层核心网络的权重有向图；以链路拥塞因子作为优化变量，考虑链路存在故障时的链路-路径流量恢复设计，构建时延优化模型；采用基于交替方向乘法子的Benders分解，对时延优化模型进行求解，获取分布式的链路-路径流量规划方案。本发明实施例采用简洁的方法对底层核心网络进行设计，创建了一个针对最小化最大链路拥塞因子的问题模型，并采用基于交替方向乘法子的Benders分解对该模型进行求解，以得到分布式的链路-路径流量规划方案，使得端到端关键型任务时延最小化，兼顾了链路-路径的流量恢复设计，有效的提高了优化的效率和精度。
-
公开(公告)号：CN104751200B
公开(公告)日：2019-05-21
申请号：CN201510167001.X
申请日：2015-04-10
IPC: G06K9/62
Abstract: 本发明提供一种SVM网络业务分类的方法，所述方法包括：(1)利用串行分割反馈方法对网络业务的初始SVM分类器进行初始训练，得到分类超平面；(2)利用有效边界淘汰方法，淘汰分类超平面构建无用的样本点，得到最优分类超平面。本发明提供了一种相对高效的方法来对机器学习算法进行改进，在保证分类精度基本不变的前提下，有效降低机器学习分类器的训练时间，伎网络流量数据的分类成本得以降低。
-
公开(公告)号：CN106230637B
公开(公告)日：2019-05-07
申请号：CN201610638308.8
申请日：2016-08-05
Abstract: 本发明实施例公开了一种网络生存性评估的方法及装置，涉及电力骨干网网络生存性技术领域，所述方法包括：获取电力骨干网的预设修正参数，其中，预设修正参数至少包括：地形参数、气象参数、用电负荷率参数、线路密集度参数和网络连通度参数；根据预设修正参数对网络生存性进行评估的评估差异量，得到预设修正参数的打分结果；根据预设修正参数的打分结果，确定预设修正参数的值；将预设修正参数的值与预先建立的网络生存性评价体系的评估值的乘积作为具备地域约束的网络生存性评估值，并利用具备地域约束的网络生存性评估值对网络生存性进行评估。本发明能够补偿地域因素对电力骨干网网络生存性评估造成的误差，得到的网络生存性评估值更加精确。
-
公开(公告)号：CN104767692B
公开(公告)日：2018-05-29
申请号：CN201510176138.1
申请日：2015-04-15
IPC: H04L12/801 , H04L12/26
Abstract: 本发明提供一种网络流量分类方法，所述方法包括(1)提取网络流量行为特征集；(2)获取分类器模型，将所述行为特征集输入分类器，进行分类训练，得到相应参数；分类器性能评估，并优化分类器性能。本发明结合机器学习方法中无监督和有监督两种算法进行分类。二者结合可以在保证较高分类准确率的前提下降低系统时间和内存开销，提升分类效率。对聚类算法加以改进，提升聚类准确率，从而提高整体性能。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.085 seconds)
