排序方式: 共有39条查询结果,搜索用时 437 毫秒
31.
32.
针对混合复用无源光网络的用户接入距离增大,使得往返时延增加,造成网络中闲置时间增多,进而引起带宽浪费的问题,该文提出一种带有灰色预测的高效动态混合资源分配策略。通过对闲置时间内到达的数据进行灰色预测,动态确立光网络单元的带宽分配策略,以减小网络时延;利用波长结束时间的差异性,周期性地实时调整各波长的数据传输顺序,实现波长的高效利用和负载均衡。仿真结果表明,该动态资源分配策略有效地消除闲置时间的影响,且波长得到高效地利用,提高了带宽利用率的同时减少网络时延。 相似文献
33.
为提高资源利用率和降低网络阻塞率,提出一种应用于光网络中带有负载感知(LA)的低开销保护机制,充分考虑了网络共享风险链路组(SRLG)的约束条件,建立整数线性规划(ILD)模型对共享通道保护策略与LA技术进行联合优化。仿真表明,与传统机制相比,所提出的机制能够有效地降低网络阻塞以及保护开销,使网络中的流量更加均衡。 相似文献
34.
针对MOOC中学生行为数据的长短期混合特性,为解决辍学预测中的动态类别不平衡问题,提出一种基于深度学习的辍学预测策略。首先建立以天为时间步长、周为学习周期的新型学生行为时间序列,以捕捉每一时间步长下时间序列数据的短期依赖关系和相邻学习周期之间的长期模式和趋势。然后结合辍学定义的两种不同表达揭示MOOC辍学预测的动态类别不平衡现象。接着引入基于代价敏感的长短期时间序列深度学习模型,以实现对高辍学风险学生的精准预测。最后在KDD Cup 2015数据集上的实验证明,所提策略能够有效帮助MOOC课程教师和教学管理者追踪课程学生在不同时间步长的学习状态,从而动态监控不同学习阶段的辍学行为。 相似文献
35.
36.
37.
38.
39.