-
公开(公告)号：CN104104621B
公开(公告)日：2017-10-31
申请号：CN201310117735.8
申请日：2013-04-07
Applicant: 中国科学院声学研究所
IPC: H04L12/917 , H04L12/803
Abstract: 本发明涉及一种基于非线性降维的虚拟网络资源动态自适应调节方法，包括：采集底层物理网络的数据，得到底层物理网络中的节点或链路在多个相邻时间点的关于实时剩余资源的数据；对所采集的数据做降维处理，得到底层物理网络中的节点或链路的二维关系分布图；根据二维关系分布图对底层物理网络中的节点或链路进行聚类；根据聚类结果，在下一时间阶段对虚拟网络重新进行映射，在重新映射的过程中，优先选择底层物理网络中利用率低的节点簇或链路簇来进行虚拟资源的映射；在运行一定时间后重新执行之前步骤，直至虚拟资源分配的过程结束。本发明能够有效提高映射算法的执行效率，提高资源利用率，实现负载均衡。
-
公开(公告)号：CN103825963A
公开(公告)日：2014-05-28
申请号：CN201410101765.4
申请日：2014-03-18
Applicant: 中国科学院声学研究所
IPC: H04L29/08 , H04L12/927 , H04L12/917
Abstract: 本发明涉及一种虚拟服务迁移方法，包括：根据服务类型和用户需求选择迁移评价参数，监视器监视网络中的虚拟节点，当新请求到达或用户请求发生改变时，得到所述虚拟节点关于评价参数的状态信息；根据所述状态信息计算每个虚拟节点的服务迁移代价；通过所述迁移代价计算方法从虚拟节点中获取虚拟服务迁移代价最小的虚拟节点作为服务节点；选择所述服务节点对所述虚拟服务进行迁移。本发明提供的虚拟服务迁移方法，能够有效综合各种因素对迁移的影响，对迁移进行判断与执行，利用服务迁移实现网络资源管理并提高用户服务体验质量。
-
公开(公告)号：CN103945425B
公开(公告)日：2017-07-07
申请号：CN201310024552.1
申请日：2013-01-23
Applicant: 中国科学院声学研究所
Abstract: 本发明提出了一种无线传感器网络中的拓扑优化方法及节点，该方法在不改变无线传感网络的连通性的条件下通过降低某些节点的发射功率进而动态调整各节点的邻居节点，所述方法包含：步骤101）每个节点根据当前时刻其自身的覆盖范围和该节点的各邻居节点的覆盖范围在保证连通性的原则下降低各节点自身的发射功率；步骤102）每个节点通过查找自身的反向邻居中具有最小生命时间的节点，在保证连通性的原则下判断能否降低反向邻居节点中拥有最小生命时间的节点的发射功率；其中，无线传感器网络中任意一个节点Ni的发射功率pi(t)的距离范围内覆盖的节点称为Ni的邻居节点，而位于无线传感器网络内能够覆盖节点Ni的所有节点的集合，称为节点Ni的反向邻居节点。
-
公开(公告)号：CN103457752A
公开(公告)日：2013-12-18
申请号：CN201210173765.6
申请日：2012-05-30
Applicant: 中国科学院声学研究所
Abstract: 本发明公开了一种虚拟网络映射方法，包括：为物理网络中的各个节点计算拓扑势；为所要映射的虚拟网络中的各个节点计算拓扑势；根据计算得到的拓扑势，将虚拟网络中的节点依次映射到物理网络的节点；将虚拟网络中的虚拟链路依次映射到物理网络的物理链路。本发明在实现映射的过程中充分利用网络全局信息和拓扑位置的差异，提高映射的成功率。
-
公开(公告)号：CN104104621A
公开(公告)日：2014-10-15
申请号：CN201310117735.8
申请日：2013-04-07
Applicant: 中国科学院声学研究所
IPC: H04L12/917 , H04L12/803
Abstract: 本发明涉及一种基于非线性降维的虚拟网络资源动态自适应调节方法，包括：采集底层物理网络的数据，得到底层物理网络中的节点或链路在多个相邻时间点的关于实时剩余资源的数据；对所采集的数据做降维处理，得到底层物理网络中的节点或链路的二维关系分布图；根据二维关系分布图对底层物理网络中的节点或链路进行聚类；根据聚类结果，在下一时间阶段对虚拟网络重新进行映射，在重新映射的过程中，优先选择底层物理网络中利用率低的节点簇或链路簇来进行虚拟资源的映射；在运行一定时间后重新执行之前步骤，直至虚拟资源分配的过程结束。本发明能够有效提高映射算法的执行效率，提高资源利用率，实现负载均衡。
-
Patent Agency Ranking
公开(公告)号：CN104009871A
公开(公告)日：2014-08-27
申请号：CN201410251290.7
申请日：2014-06-06
Applicant: 中国科学院声学研究所
IPC: H04L12/24 , H04L12/28 , H04L12/931 , H04L12/801
Abstract: 本发明涉及一种SDN控制器实现方法，所述方法包括：接收SP发送的业务流信息，其中，所述业务流信息包括业务流的流标签；接收SP发送的构建VN的请求，根据预设的接入策略和等级标准，对所述请求进行选择，确定目标请求,其中，所述请求携带有节点资源信息和链路资源信息；根据所述流标签，对业务流进行资源实例化，生成满足所述目标请求的VN；根据所述VN的实例化需求和VR供给状况，生成映射方案；根据所述映射方案，向所述映射方案中的VR发送资源控制指令，以对VR进行部署。
-
公开(公告)号：CN103825963B
公开(公告)日：2017-12-22
申请号：CN201410101765.4
申请日：2014-03-18
Applicant: 中国科学院声学研究所
IPC: H04L29/08 , H04L12/927 , H04L12/917
Abstract: 本发明涉及一种虚拟服务迁移方法，包括：根据服务类型和用户需求选择迁移评价参数，监视器监视网络中的虚拟节点，当新请求到达或用户请求发生改变时，得到所述虚拟节点关于评价参数的状态信息；根据所述状态信息计算每个虚拟节点的服务迁移代价；通过所述迁移代价计算方法从虚拟节点中获取虚拟服务迁移代价最小的虚拟节点作为服务节点；选择所述服务节点对所述虚拟服务进行迁移。本发明提供的虚拟服务迁移方法，能够有效综合各种因素对迁移的影响，对迁移进行判断与执行，利用服务迁移实现网络资源管理并提高用户服务体验质量。
-
公开(公告)号：CN103945464B
公开(公告)日：2017-06-06
申请号：CN201410184202.6
申请日：2014-05-04
Applicant: 中国科学院声学研究所
IPC: H04W28/24
Abstract: 本发明涉及一种参数预测处理方法，包括：采集第一QoS参数数据，并对所述第一QoS参数数据进行归一化处理得到第二QoS参数数据；根据参数类别对所述第二QoS参数数据进行矩阵化处理获得QoS数据矩阵；将所述QoS数据矩阵根据Choquet积分映射处理到高维模糊测度空间，得到模糊测度系数矩阵；所述模糊测度系数矩阵中每行所有模糊测度系数值与模糊测度值乘积的和为一个对应的QoE测量值；对所述模糊测度系数矩阵及所述QoE测量值根据最小二乘法进行回归分析处理从而拟合得到模糊测度值；根据所述模糊测度值得到QoS参数与QoE之间的映射关系；利用所述映射关系由网络服务调整后的QoS参数数据得到QoE预测值。
-
公开(公告)号：CN103179052B
公开(公告)日：2016-03-02
申请号：CN201110428556.7
申请日：2011-12-20
Applicant: 中国科学院声学研究所
IPC: H04L12/911 , H04L12/46
Abstract: 本发明涉及一种基于接近度中心性的虚拟资源分配方法及系统，该方法借鉴社会网络中的节点的接近度中心性定义，所述方法包含：用于进行节点映射的步骤；用于进行链路映射的步骤；其中，所述节点映射步骤将底层网络和虚拟网络的拓扑中的各节点的重要性用社会网络中的节点的接近度中心性定义进行类比，获得各节点在虚拟网络或物理网络中的重要性指标，再将分别来自虚拟网络和物理网络中的相对重要的节点之间进行映射，同时将分别来自于虚拟网络和物理网络中的相对不重要的节点之间进行映射，完成从虚拟网络节点到底层网络节点的映射；所述重要性指标又称为接近度，其定义为：一个节点到网络中所有可达节点的最短路径的和最小，则该节点在网络中更加接近中心也越重要。
-
公开(公告)号：CN103945464A
公开(公告)日：2014-07-23
申请号：CN201410184202.6
申请日：2014-05-04
Applicant: 中国科学院声学研究所
IPC: H04W28/24
Abstract: 本发明涉及一种参数预测处理方法，包括：采集第一QoS参数数据，并对所述第一QoS参数数据进行归一化处理得到第二QoS参数数据；根据参数类别对所述第二QoS参数数据进行矩阵化处理获得QoS数据矩阵；将所述QoS数据矩阵根据Choquet积分映射处理到高维模糊测度空间，得到模糊测度系数矩阵；所述模糊测度系数矩阵中每行所有模糊测度系数值与模糊测度值乘积的和为一个对应的QoE测量值；对所述模糊测度系数矩阵及所述QoE测量值根据最小二乘法进行回归分析处理从而拟合得到模糊测度值；根据所述模糊测度值得到QoS参数与QoE之间的映射关系；利用所述映射关系由网络服务调整后的QoS参数数据得到QoE预测值。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.01 seconds)
