認知網(wǎng)絡(luò)QoS評價方法研究.pdf

1、在網(wǎng)絡(luò)技術(shù)高速發(fā)展的背景下，互聯(lián)網(wǎng)上的信息不斷豐富，逐漸成為人們?nèi)粘Ｉ詈凸ぷ髦兄匾男畔碓?。網(wǎng)絡(luò)互聯(lián)環(huán)境越復雜，就意味著網(wǎng)絡(luò)服務(wù)越容易出現(xiàn)問題，網(wǎng)絡(luò)的性能越容易受到影響。為了給用戶提供優(yōu)質(zhì)的服務(wù)，網(wǎng)絡(luò)的維護和管理顯得日益重要。本文通過對認知網(wǎng)絡(luò)的學習研究，掌握認知網(wǎng)絡(luò)QoS 管理機制，利用認知網(wǎng)絡(luò)的自學習、自管理、自優(yōu)化、自配置特點對目前的QoS 評價方法進行改進。
　　 一個計算機網(wǎng)絡(luò)系統(tǒng)，可以由多種多樣的計算機平臺，通過

2、各種各樣的傳輸媒體構(gòu)成不同的拓撲結(jié)構(gòu)，并且采用相應(yīng)的多種信道訪問控制方式，因此計算機網(wǎng)絡(luò)的性能評價非常復雜，目前國內(nèi)外普遍采用并發(fā)展相對成熟的有3種方法：1 ）測量法；2 ）模型分析法；3 ）模擬法。
　　 本文采用基于模型的評價方法，通過模型建立各數(shù)據(jù)間的關(guān)系，并對參數(shù)測量值進行數(shù)據(jù)分析與處理，以量化的方式進行性能分析和評價，從而對網(wǎng)絡(luò)當前運行狀況給出綜合評估。
　　 文中采用了兩種評價模型：基于支持向量機（Suppo

3、rt Vector Machine,SVM ）的評價模型和基于層次分析法（Analytci Hierarchy Process,AHp）的模糊評價模型。支持向量機屬于人工智能范疇，在模式識別、精確分類上有較好應(yīng)用，文中利用遺傳算法（Genetic Algorithm,GA ）對SVM的參數(shù)初始化進行改進，優(yōu)化評價模型的指標參數(shù)，與未優(yōu)化前的SVM 相比有更準確的評價結(jié)果?；趯哟畏治龇ǖ哪：u價模型對指標體系進行分層歸類，通過構(gòu)造多層次