论文摘要
针对如何提高信息中心网络的网内缓存性能,提出了一种基于概念漂移学习(conceptdriftlearning,简称CDL)的自适应缓存策略.考虑到节点数据和内容数据的相互感知对缓存性能的影响,将节点和内容的状态数据流作为网络资源,对提取的多维状态属性数据和缓存匹配数据进行分析挖掘,利用学习到的状态属性与缓存匹配之间的函数映射关系,即概念,对未来时期内的节点与内容间的匹配关系进行预测.为提高匹配算法的准确度,在学习过程中,提出了一种基于信息熵的概念漂移识别算法,当根据状态属性的信息熵变识别出漂移后,利用提出的基于概念重现的缓存算法,重新定义函数映射关系.仿真实验结果表明,该策略与CEE,LCD,prob和OPP策略相比,降低了网络运行成本,提高了用户体验质量.
论文目录
文章来源
类型: 期刊论文
作者: 蔡凌,王兴伟,汪晋宽,黄敏
关键词: 信息中心网络,缓存,数据挖掘,概念漂移,信息熵
来源: 软件学报 2019年12期
年度: 2019
分类: 信息科技
专业: 互联网技术
单位: 东北大学秦皇岛分校控制工程学院,东北大学软件学院,东北大学信息科学与工程学院
基金: 国家杰出青年科学基金(71325002),辽宁省高校创新团队支持计划(LT2016007),国家自然科学基金(61572123),教育部-中国移动科研基金(MCM20160201),河北省高等学校科学技术研究项目(QN2014327)~~
分类号: TP393.02
DOI: 10.13328/j.cnki.jos.005621
页码: 3765-3781
总页数: 17
文件大小: 1036K
下载量: 91