-
题名基于改进迁移学习的光通信网络流量数据连续插值研究
- 1
-
-
作者
孙家宝
邱伊健
秦坤
-
机构
绍兴文理学院元培学院
南昌大学机电工程学院
江西省科学院应用物理研究所
湖北工业大学工业设计学院
-
出处
《激光杂志》
CAS
北大核心
2024年第8期120-125,共6页
-
基金
江西省科学院自然科学项目基金(No.2023YSBG21016)。
-
文摘
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。
-
关键词
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
-
Keywords
improve transfer learning
optical communication network
traffic data
continuous interpolation
network probe technology
Box-Cox transformation
improved convolutional neural network
-
分类号
TN929
[电子电信—通信与信息系统]
-
