基于机器学习的区分可用性抗灾难保护策略OA北大核心CSCDCSTPCD
Differentiated availability protection strategy against disasters based on machine learning
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.
熊余;周彬;贺进有;杨坤融
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
信息技术与安全科学
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
《华中科技大学学报（自然科学版）》 2019 (12)
面向绿色可靠特性的新型宽带无源光网络关键技术研究
127-132,6
国家自然科学基金资助项目(61401052)国家留学基金管理委员会资助项目(201608500030)重庆市教委科学技术研究资助项目(KJ1400418,KJ1500445)重庆邮电大学博士启动基金资助项目(A2015-09).
评论