光网络中基于小波变换的链路故障监测算法

针对光网络中传统故障监测方法误差大、速度慢等问题,提出一种基于小波变换的链路故障监测算法。在该算法中采用动态周期轮询的方法监测链路光功率,利用小波变换在时-频域上的良好局部特性提取监测值中的故障信息。算法对监测到的光功率值进行多尺度分解以降低噪声影响,从而提高故障监测的准确性。仿真结果表明,与时域的分析方法相比,基于小波变换的故障监测算法能够较好地克服噪声影响,漏警率减少到0,误警率降低了5百分点;而且实验环境下的故障监测时间为2.53~3.12ms,能够满足实时需要。     

混合复用无源光网络中带有灰色预测的高效动态资源分配策略

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。     

负载感知的低开销网络保护机制研究

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。     

面向长短期混合数据的MOOC辍学预测策略研究

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。     

弹性光网络中面向任播业务的节能路由算法

为提高数据中心间光互联网络的能效,面向任播业务提出一种具有业务持续时间感知的混合路径传输节能路由算法.为了减少新建光路和工作元器件数量,优先采用单路径传输;若业务阻塞则以传输能耗最小化为目标进行多路径传输.除此之外,引入基于频谱预留的业务疏导策略来降低保护带宽和光收发器的开销.仿真结果表明:与传统节能路由算法相比,所提算法在显著降低网络能耗的同时,有效避免了业务阻塞率的过度增加,实现了网络能耗与性能的平衡.     

基于贝叶斯征兆解释度的链路故障定位算法

针对故障和征兆关系不确定的网络中故障定位算法检测率低和误检率高的缺陷,提出了一种基于贝叶斯征兆解释度的链路故障定位算法。该算法以概率加权的二分图作为故障传播模型,通过处理贝叶斯后验概率信息,定义一种新的参数贝叶斯征兆解释度,并基于该参数对可能链路故障进行判断,得出最优故障假设集合,实现链路故障定位。理论分析和仿真实验表明,该算法具有较低的计算复杂度,且在小规模不确定网络中具有较高的故障检测率和较低的故障误检率。     

OBS网络中突发重传和IP包重传的性能比较

文章分别分析了将基于优先级的突发重传和基于分段的IP包重传方式引入光突发交换(OBS)网络后的性能,并对这两个机制进行了分析比较.通过分析比较发现,采用基于优先级的突发重传可以有效地减少重传次数、所需缓存和重传延迟,提高网络吞吐量,是OBS网络中的一种理想的重传选择方案.     

蛋白土/纳米二氧化钛复合材料的制备与应用研究

用酸处理方法对煅烧后的蛋白土进行提纯后采用湿式研磨法在其表面包覆纳米TiO2,通过单因素法确定最佳复合条件.实验结果表明,纳米TiO2/蛋白土复合粉体材料的最佳制备工艺条件为:研磨时间15min,分散剂用量为0.3%,TiO2加入量10%,液固比4:1.湿式研磨法制备的蛋白土/纳米二氧化钛复合材料8h内对甲醛的去除率达到71.2%.