【摘 要】
：
为解决网络故障恢复期间的反应时间过长的问题,将软件定义网络(software defined networking,SDN)网络架构引入到网络故障恢复的策略设计中,对比现有故障恢复领域研究的优势和不足,提出一种基于SDN的故障恢复方法。通过对整网拓扑结构进行分域,采用无向图环路算法(undirected graph loop algorithm,UGLA)计算当前网络拓扑中的所有环路;根据UGLA,设计链路评估方法,选择最优故障备份转发路径转发数据流量。故障恢复实验数据的分析结果表明,该方法可提高交换机流
【机 构】
：
中国石油大学（华东）计算机与科学技术学院,中国石油大学（华东）信息化建设处
【基金项目】
：
赛尔网络下一代互联网技术创新基金项目(NGII20190116)。
论文部分内容阅读
为解决网络故障恢复期间的反应时间过长的问题,将软件定义网络(software defined networking,SDN)网络架构引入到网络故障恢复的策略设计中,对比现有故障恢复领域研究的优势和不足,提出一种基于SDN的故障恢复方法。通过对整网拓扑结构进行分域,采用无向图环路算法(undirected graph loop algorithm,UGLA)计算当前网络拓扑中的所有环路;根据UGLA,设计链路评估方法,选择最优故障备份转发路径转发数据流量。故障恢复实验数据的分析结果表明,该方法可提高交换机流
其他文献
实验采用加压流体萃取-硅酸镁小柱净化-气相色谱法(ECD检测器)测定芡实种植底泥中六六六(BHC)和滴滴涕(DDT)残留,不仅提高了萃取效率,优化了净化条件,而且准确度灵敏度较高。利用标准曲线代替工作曲线缩短程序升温时间的同时,可有效提高检测效率。结果表明:该方法采用的8种有机氯标准曲线均具有较好的线性关系,R值在0.998~0.999之间,检出限符合标准要求,精密度达到0.8%~1.5%,加标回收率在87.6%~97.1%,均符合有机物检测相关规定,适用于复杂基质中有机氯农药残留的批量测定。
针对现有方法所得物体轮廓位置欠准确、线条粗、乱等问题,提出自顶向下导引式逐层融合的物体轮廓检测网络.首先采用常用卷积神经网络作为主干网络提取不同尺度特征;鉴于低层特征中边缘位置准确但包含较多非轮廓噪声,而高层特征更有助于区分轮廓和非轮廓,自顶向下逐渐融合相邻尺度特征,借助高层特征强化轮廓边缘并抑制非轮廓噪声;最后提出改进的2分类交叉熵损失函数,训练网络生成物体轮廓.在PyTorch环境下,用公开数
RISC-V作为新一代开源精简指令集,具有功耗低、面积小和性能高的优点,因此基于RISC-V架构的技术和产品发展迅速.然而,目前基于RISC-V架构的中高端64位CPU设计实例很少,也缺乏相应的商用IP,尤其是在面向高速网络应用方面.因此,首先改进了开源的64位U500 RISC-VSoC,包括增加了总线宽度和集成二级缓存等;然后在CPU中实现了完整的100 Gbps以太网功能模块,包括介质访问控
在新加工工艺条件下,针对历史工艺条件下的刀具剩余寿命预测模型失效,且新工艺条件下缺乏足够的训练样本构建新预测模型的问题,提出一种基于动态对抗域适应的迁移学习方法,以快速构建新工艺条件下的刀具剩余寿命预测模型。首先,利用历史工艺条件下带寿命标签的过程监控数据样本,预训练源域的刀具剩余寿命预测模型。其次,通过对抗域适应训练,利用新工艺条件下的少量目标域样本,对源域预训练得到的预测模型进行部分模型参数的调整。利用调整后的模型进行新工艺条件下的刀具剩余寿命预测。最后,更新目标域样本,重复进行对抗域适应训练与预测操
基于草图的图像检索任务根据用户提供的手绘草图,从图像数据库中检索得到与该草图对应的自然图像.与传统基于内容的图像检索不同,草图和自然图像间存在明显的域差异,这使得二者的特征难以直接进行比较.针对自然图像边缘图和草图的相似性,提出了空间注意力下的边缘图融合模型,将自然图像和对应的边缘图分别编码到各自的特征空间,再通过空间注意力掩膜进行加权融合,进而用于草图图像检索.所提模型可以更有效地编码物体边缘轮
针对拉丁方秘密共享方案存在的“初始化和重构困难、秘密共享过程中秘密分片的直接暴露可能会泄露整个秘密”等问题,提出一种拉丁方秘密共享方案。利用拉丁方“轮廓与合适的自合痕”可唯一恢复该拉丁方的特性,将随机生成的拉丁方作为“秘密”,从该秘密拉丁方中随机选择“轮廓”,经过合痕转换后进行秘密共享。分析结果表明该方案能够克服潜在的安全风险,使拉丁方秘密共享方案的初始化和重构简单易行,增强秘密分片的保护,还在秘密共享的多级方案方面有所推广。
为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特征融合网络;分别在可见光图像、远红外图像及其累加特征图中提取不同性质的大气特征,各分支的特征信息通过网络结构实现模态互补与融合;最后在网络末端输出图像场景所对应的能见度的等级.采
为应对移动互联网下电力营销末端网络侧流量增大后的网络安全问题,提出一种攻防式CNN网络入侵检测模型。针对传统入侵检测模型仅有单个分类器造成精度不高的问题,提出基分类器概念,为找到每个基分类器的最佳权重,建立斯塔克尔伯格博弈数学模型,利用遗传算法寻找模型中的最优解。在实验仿真计算中,使用NSL-KDD数据集验证了该模型的有效性。
针对现有图像隐写模型存在网络训练不易收敛、梯度爆炸且生成样本质量差等问题,提出一种基于改进生成对抗网络的图像自适应隐写模型SWGAN-GP。将生成图像作为载体,使用HUGO自适应隐写算法进行信息隐藏;在损失函数中加入梯度惩罚,在网络结构中引入注意力机制,设置双判别器与生成器进行对抗训练。实验结果表明,该方法生成图像的IS值、PSNR值等均有提高,判别器分类效果明显改善。该模型可以提高收敛速度,使网络训练更稳定,载密图像更具安全性,有效抵御隐写分析算法的检测。
为提高代理模型效率,对数据进行聚类,根据模型构建的需求从聚类结果中选择少量数据训练模型参数,得到一种基于聚类的代理模型构建策略。以该策略构建的代理模型作为近似评价模型,设计一种基于聚类的代理模型辅助粒子群优化算法,提出一种以代理模型辅助迭代搜索作为加速策略的混合变量多目标进化算法。数值实验结果表明,基于聚类的代理模型构建策略具有时间复杂度低、模型构造效率高的优点,模型辅助的迭代搜索过程具有较好的全局探索和局部开发能力。