ارایه یک روش نمونهبرداری فشرده برای مکانیابی تراکم مبتنی بر توموگرافی شبکه در اینترنت
Publish place: Conference on Signal Processing and Intelligent Systems
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 499
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
SPIS02_024
Index date: 1 July 2017
ارایه یک روش نمونهبرداری فشرده برای مکانیابی تراکم مبتنی بر توموگرافی شبکه در اینترنت abstract
شناسایی و مکان یابی لینک های متراکم برای مدیران شبکه اهمیت ویژه ای دارد. توموگرافی شبکه می تواند با استفاده از اندازه گیری های انتها به انتها اطلاعات مفیدی را در ارتباط با ابر شبکه که اندازه گیری مستقیم در آن پرهزینه یا غیرممکن است ارایه دهد. این مقاله، به بررسی مساله مکان یابی لینک های متراکم در سطح شبکه ی اینترنت با استفاده از توموگرافی شبکه می پردازد و یک چارچوب مبتنی بر نمونه برداری فشرده برای ساخت ماتریس اندازه گیری تصادفی معرفی می کند. به منظور بازیابی لینک های متراکم در شبکه، الگوریتم قدم زنی تصادفی با توجه به ارتباط میان لینک های متراکم و معیار مرکزیت مابینی آنها بهبود یافته است. دقت الگوریتم پیشنهادی با انجام شبیه سازی برروی گراف های تصادفی که با مدل Erdos-Renyi تولید می شوند، مورد ارزیابی قرار گرفته است. نتایج شبیه سازی ها نشان می دهد که استفاده از روش پیشنهادی باعث بهبود نرخ شناسایی و مکان یابی لینک های متراکم استفاده از تعداد کمتری اندازه گیری می شود
ارایه یک روش نمونهبرداری فشرده برای مکانیابی تراکم مبتنی بر توموگرافی شبکه در اینترنت Keywords:
ارایه یک روش نمونهبرداری فشرده برای مکانیابی تراکم مبتنی بر توموگرافی شبکه در اینترنت authors
ریحانه نظامیان
دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
عبدالرسول قاسمیان
استادیار، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :