摘要：为了克服传统网络分层结构面临的非最优化及非灵活性等弊端,作者研究了跨层通信协议的基本理论、特征及其相关应用后,本文设计了一种无线网络环境下的基于有效容量的跨层协议优化方法。基于有效容量模型不仅考虑了无线通信环境中的传输时延Qo S保证问题,还兼顾了物理层传输机制与数据链路层的数据队列问题,能够作为物理层与数据链路层联合跨层优化设计的桥梁,同时作者设计了保证Qo S的功率和速率分配机制。通过OPENT Modeler仿真软件实现跨层协议模型并构建仿真场景,完成了基于有效容量的跨层协议优化方法的测试验证。结果表明:基于有效容量的跨层协议较传统分层协议在相同的Qo S指数下具有较高的有效容量;在传输延时方面,其分别较IEEE802.11和IEEE802.11e协议减少27.8%和16.9%;总之,本文提出的基于有效容量的无线通信跨层协议优化方法效果突出。

摘要：本文在分析了大数据时代在线学习策略的必要性及其面临的挑战的前提下,设计了基于ART神经网络的在线学习分析策略算法,ART神经网络采用以认知和行为模式为基础的无指导的竞争学习算法实现矢量聚类,良好地维持了网络鲁棒性和可调节性的平衡关系,既能够非常灵活的适应新型输入模式产生的变化,同时又可以避免对网络已记忆模式进行篡改。基于ART神经网络模型的在线学习分析策略主要包括识别阶段、比较阶段、学习阶段以及搜索阶段。通过实验设定输入模式,完成在线学习过程进行测试验证。实验结果表明,本文提出的基于ART神经网络的在线学习分析策略算法能够实现对不同输入模式较高正确率的分类,同时可通过警戒参数对网络的分类粒度进行调节,使在线学习策略具有自适应性。