基于改进迁移学习的光通信网络流量数据连续插值研究

作     者：孙家宝 邱伊健 秦坤 SUN Jiabao;QIU Yijian;QIN Kun

作者机构：绍兴文理学院元培学院浙江绍兴312000 南昌大学机电工程学院南昌330031 江西省科学院应用物理研究所南昌330029 湖北工业大学工业设计学院武汉430068 

基　　金：江西省科学院自然科学项目基金(No.2023YSBG21016) 

出 版 物：《激光杂志》 (Laser Journal)

年 卷 期：2024年第45卷第8期

页      码：120-125页

摘      要：光通信网络流量数据具有大规模和高维度的特点,而数据量纲不一致,数据之间的差异会被放大,使得插值效果不理想,所以提出基于改进迁移学习的光通信网络流量数据连续插值方法。通过Box-Cox变换法对流量数据展开标准化处理,统一数据量级与量纲。通过深度学习理论与VNet技术改进卷积神经网络,通过更新网络参数使连续插值结果与理想数据进行匹配,得到流量数据连续插值结果。实验表明,所提方法的信噪比始终高于27.83 dB,频率-波形分布图与理想数据的频率-波形分布图相似度最高,决定系数在0.8以上,能够获得高质量插值结果。

主 题 词：改进迁移学习 光通信网络 流量数据 连续插值 网络探针技术 Box-Cox变换 改进卷积神经网络 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

D　O　I：10.14016/j.cnki.jgzz.2024.08.120

馆 藏 号：203140223...