-
公开(公告)号:CN105743763B
公开(公告)日:2019-04-16
申请号:CN201610212933.6
申请日:2016-04-07
Applicant: 北京邮电大学
IPC: H04L12/46 , H04L12/24 , H04L12/721
Abstract: 一种基于学习和推理的虚拟网络映射方法,包括下列操作步骤:(1)根据历史数据生成底层物理网络节点之间的依赖关系矩阵M;(2)根据虚拟节点对CPU计算资源的需求大小,从大到小对虚拟节点进行排序;(3)根据依赖关系矩阵M、虚拟节点映射的先后顺序和当前待映射虚拟节点与已完成映射的虚拟节点的拓扑关系,采用贝叶斯推理判决选择当前待映射虚拟节点对应的最佳底层物理节点,进行虚拟节点到底层物理节点的节点映射;(4)按照设定的链路映射算法实现虚拟网络上虚拟节点之间的虚拟链路到底层物理网络上物理路径之间的链路映射。
-
公开(公告)号:CN105978740B
公开(公告)日:2018-10-26
申请号:CN201610566022.3
申请日:2016-07-18
Applicant: 北京邮电大学
IPC: H04L12/24 , H04L12/715 , H04L12/717 , H04L12/721 , H04L12/727 , H04L12/751
Abstract: 一种在软件定义网络中部署控制器的方法,包括下列操作步骤:(1)计算软件定义网络中每个路由器节点的路由器节点密度值ρ;(2)基于所述的路由器节点密度值ρ,对软件定义网络中的所有路由器进行聚类;聚类出的类簇数目作为要部署的控制器的数目;(3)在每个类簇中,遍历每个路由器的位置,根据预先设定的控制器部署规则,确定控制器的最佳部署位置。本发明方法实现了对软件定义网络中数据层网络的区域划分,控制器能够将控制信息较快地传到区域内的路由器节点上,提高了网络可靠性。
-
公开(公告)号:CN106201718A
公开(公告)日:2016-12-07
申请号:CN201610522336.3
申请日:2016-07-05
Applicant: 北京邮电大学
CPC classification number: G06F9/5083 , G06F9/45533 , G06F2009/4557
Abstract: 一种基于负载预测的云计算资源动态伸缩方法,括下列操作步骤:(1)对负载进行预测,在云计算资源利用率比较高时,使用线性回归算法预测负载;否则首选使用改进字符串匹配算法预测负载,当使用所述的改进字符串匹配算法无法预测负载时,则使用线性回归算法预测负载;(2)对云计算资源进行动态伸缩,负载预测后发现下一时刻资源不足时,系统进行云计算资源预扩展;如果云计算资源预扩展后出现突发状况,云计算资源仍然不足时则进行实时扩展,实时扩展利用垂直扩展的方法完成;如果云计算资源足量时则需要进行实时缩放。
-
公开(公告)号:CN105337857A
公开(公告)日:2016-02-17
申请号:CN201510818810.2
申请日:2015-11-23
Applicant: 北京邮电大学
IPC: H04L12/707 , H04L12/717 , H04L12/721 , H04L12/741 , H04L12/751
CPC classification number: H04L45/02 , H04L45/124 , H04L45/24 , H04L45/42 , H04L45/54 , H04L45/745
Abstract: 一种基于软件定义网络的多路径传输方法,主机A与主机B通过发送重复应答Dupack报文的方式,告知对方以及软件定义网络SDN控制器自己的附加网卡地址信息,SDN控制器计算出主机A与主机B之间的独立路径,并从所述的独立路径中选择一条最合适的独立路径P;SDN控制器生成该独立路径P的流表,并向该独立路径P上相关的openflow协议交换机下发流表,主机A与主机B在所述的独立路径P上建立子流进行数据传输,主机A把数据包分发到与主机B已建立的多条独立路径上;本方法为通信双方建立了最优路径,实现了SDN中的多路径最优数据传输。
-
公开(公告)号:CN104301214A
公开(公告)日:2015-01-21
申请号:CN201410531789.3
申请日:2014-10-10
Applicant: 北京邮电大学
IPC: H04L12/703 , H04L12/803
Abstract: 一种覆盖网路由方法,包括操作步骤:(1)构建覆盖网;(2)候选中继节点的选取;(3)中继节点的选取;(4)流量切割等步骤;本发明的方法在端系统中实现路由中继,以恢复失效的物理路径,避免了物理层路由汇聚时延过长的缺陷,且不改变物理网络拓扑结构,也不需要改变物理网络路由算法,是一种失效后快速选择的一跳覆盖网路由机制,不需要备份路由路径,减少了路由负载,具有高效,快捷的优点。
-
公开(公告)号:CN119584216A
公开(公告)日:2025-03-07
申请号:CN202411802886.1
申请日:2024-12-09
Applicant: 北京邮电大学
Abstract: 基于多智能体共识构建的车联网分布资源分配方法,包括下列操作步骤:(1)在组成车联网的车辆上部署共识构建器和行动器,在中央基站部署评价器;(2)组成车联网的车辆把自己所观测到的车辆网局部网络状态值输入到所述的共识构建器,所述共识构建器输出所述车联网全局网络状态的类别;(3)在中央基站所部署的评价器的指导下,组成车联网的车辆的行动器根据车辆网局部网络状态和车联网全局网络状态的类别,产生车联网分布资源分配策略。本发明方法,进一步提高了车辆间的合作能力,改进了资源分配效果。
-
公开(公告)号:CN119364363A
公开(公告)日:2025-01-24
申请号:CN202411477512.7
申请日:2024-10-22
Applicant: 北京邮电大学
Abstract: 一种用于车联网的区块链分层共识优化方法,包括如下操作步骤:(1)构造分片方式的区块链共识框架,一个分片的头车代表该分片与该分片的RSU和其他分片进行通信;一个分片内的所有车辆构成一个编队;(2)所述区块链共识框架执行两层共识过程即本地共识和全局共识;所述的本地共识过程是指在同一个分片内的所有车辆间所进行的本地共识达成过程;所述的全局共识过程是指在各分片的RSU之间进行的全局共识达成过程;本发明方法各编队车辆仅需在分片内进行共识,大大降低了通信的复杂度和资源的消耗,提高了整个共识过程的效率。
-
公开(公告)号:CN117671377A
公开(公告)日:2024-03-08
申请号:CN202311685679.8
申请日:2023-12-08
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 一种时序变量预测方法、装置、计算设备和存储介质,包括:构建双向预测时间序列表征模型,并获取历史时间序列数据进行训练,过程如下:获取两相邻时序子序列Xl和Xr,然后将Xl和Xr进行季节‑趋势分解,获得季节和趋势分量,再将季节和趋势分量经过编码器获得表征序列,最后使用两个季节分量表征序列、两个趋势分量表征序列进行双向预测;构建并训练时序变量预测模型,输入时间序列表征向量,输出时序变量预测结果;采集时序变量的实时时间序列数据,使用双向预测时间序列表征模型提取特征以获得时间序列表征向量,然后输入时序变量预测模型,获得预测结果。本发明涉及计算机领域,能有效挖掘时序内在逻辑、提升表征在时序变量预测任务上的性能。
-
公开(公告)号:CN117556358A
公开(公告)日:2024-02-13
申请号:CN202311574438.6
申请日:2023-11-23
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/241 , G06F18/10 , G06F18/2135 , G06N3/0455 , G06N3/082
Abstract: 一种用于集群服务器异常检测的系统和方法,系统包括数据预处理模块、动态分解模块、扩散重构模块和异常检测模块;方法包括如下操作步骤:(1)数据预处理模块对集群服务器的原始指标数据进行预处理;(2)动态分解模块从加扰动指标数据中分解出加扰动指标数据稳定成分和加扰动指标数据趋势成分;(3)扩散重构模块利用噪声扩散得到加噪声指标数据,和受污染指标数据的重构数据,计算原始指标数据的重构数据;(4)异常检测模块接收原始指标数据的重构数据,并与所述的原始指标数据进行对比,做出集群服务器是否异常的判定。
-
公开(公告)号:CN116681540A
公开(公告)日:2023-09-01
申请号:CN202310720755.8
申请日:2023-06-16
Applicant: 北京邮电大学
IPC: G06Q50/00 , G06N3/0499 , G06N3/0895
Abstract: 一种基于图神经网络的跨社交媒体网络的用户对齐方法,包括:获取需对齐的社交媒体网络拓扑图G1、G2;计算G1、G2的节点属性特征:将节点结构特征、输入节点属性和锚链接融合得到属性特征;构建自适应图注意神经网络模型,分别输入G1、G2,并输出各自学习后的节点嵌入向量,该模型根据邻居节点属性特征计算节点的聚合属性特征,然后通过节点属性特征和聚合属性特征确定邻居节点的聚合权重,再根据邻居节点的嵌入向量和聚合权重来更新每个节点嵌入向量;根据G1、G2的节点嵌入向量,计算对齐矩阵,获得两个网络的节点映射关系。本发明涉及计算机领域,能以半监督学习方式通过NA技术解决UIL问题,实现跨社交媒体网络的用户匹配。
-
-
-
-
-
-
-
-
-