东北大学 信息科学与工程学院, 沈阳 110819
利用主成分分析法获取端到端网络流量的主要特征分量并获得其初始估计结果.为克服其初值敏感性将估计结果作为遗传算法的初始值、链路流量估计偏差作为遗传算法的适应度函数, 通过构建合适的交叉和变异概率函数来控制遗传算法的交叉和变异过程.采用合适的约束迭代函数,利用遗传算法通过迭代寻优获得端到端流量的估计结果， 仿真结果表明所提出的方法是可行的.
端到端流量 流量估计 主成分分析 迭代过程 流量建模 Endtoend traffic Traffic estimation Principal component analysis Iterative process Traffic modeling
提出一种面向光传输网络的流量矩阵估计方法.采用压缩感知理论研究光传输网络中的流量矩阵估计,根据信号稀疏表示将流量矩阵稀疏化,基于矩阵变换理论提出新的面向光传输网络的网络层析成像模型.该模型克服了已有网络层析成像模型的病态特性,并通过凸优化来获得流量矩阵的估计等式.提出了具体的估计算法,获得关于光传输网络流量矩阵的精确估计.真实网络的数据仿真表明所提出的方法是有效和可行的.
流量矩阵 光网络 凸优化 网络层析成像 压缩感知 Traffic matrix Optical network Convex optimization Network tomography Compressive sensing
