| 基于机器学习的区分可用性抗灾难保护策略 |
| |
| 引用本文： | 熊余,周彬,贺进有,杨坤融. 基于机器学习的区分可用性抗灾难保护策略[J]. 华中科技大学学报(自然科学版), 2019, 47(12): 127-132 |
| |
| 作者姓名： | 熊余 周彬 贺进有 杨坤融 |
| |
| 作者单位： | 重庆邮电大学通信与信息工程学院,重庆,400065;重庆高校市级光通信与网络重点实验室,重庆,400065;泛在感知与互联重庆市重点实验室,重庆,400065 |
| |
| 基金项目： | 国家自然科学基金;教育部国家留学基金;重庆市教委科学技术研究项目;重庆市教委科学技术研究项目;重庆邮电大学博士启动基金 |
| |
| 摘 要： | 针对灾难下空分复用弹性光网络中业务的保护成功率低、保护开销以及芯间串扰高的问题,提出一种基于机器学习的区分可用性抗灾难保护策略.首先,使用基于线性判别式分析的支持向量机感知业务可用性需求;然后,在此基础上采用动态竞争优先级分配,在确保业务可用性需求的前提下,为多链路故障提供最大化保护频谱的共享;最后,为了降低芯间串扰,设计了交替式频谱纤芯选择方案.仿真结果表明:该保护策略在提高业务保护成功率的同时,可以取得较低的频谱冗余率和芯间串扰.
|
| 关 键 词： | 空分复用弹性光网络 机器学习 灾难保护 区分可用性 资源分配 |
Differentiated availability protection strategy against disasters based on machine learning |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
