基于混沌粒子群优化算法的认知网络流量分类方法研究

被引：2

作者：

顾成杰 ^{[1
]}

张顺颐 ^{[2
]}

高飞 ^{[2
]}

王晓军 ^{[1
]}

机构：

[1] 南京邮电大学信息网络技术研究所

[2] 江苏省电力公司电力科学研究院

来源：

计算机应用与软件 | 2011年 / 28卷 / 11期

关键词：

粒子群; 混沌机制; 认知网络; 流量分类;

D O I：

暂无

中图分类号：

TP393.06 [];

学科分类号：

摘要：

针对网络的接入形式以及网络应用日益复杂、异构和泛在等特点,当前网络所提供的服务质量QoS难以满足用户的需要。认知网络被认为是提高网络整体及端到端系统的性能、简化网络管理的新途径,是下一代通信网络发展的必然趋势。提出一种混沌粒子群优化算法(CPSO-BP),并将该算法应用于认知网络环境中对网络流量进行精确分类,以实现对以业务为中心的认知网络的可管可控。实验结果表明该方法能够充分结合粒子群优化算法的全局搜索特性和BP算法的局部搜索特性,并利用混沌搜索在小空间具有较强的局部搜索能力来提高分类精度,从而具有分类精度高、稳定性强的特点,能够有效地提高网络资源利用率,保证认知网络端到端QoS效能。

引用

页码：153 / 156+160 +160

页数：5