网络层面照相用图建模中文版2[精选].doc

网络层面照相用图建模 摘要：对于我们理解网络的动态特征，链路级的性能数据，如损失率和各个环节的延迟，是至关重要的。实现这一目标的方法之一是凭借终端到终端的测量去推断性能特点。由于其效率和准确性的优势，我们使用图形模型，代替了使用传统的统计数据做推论的方法。以网络模拟器2（NS2）为基础进行模拟，由期望最大化推断（EM）算法收集数据，其结果几乎与先前提出的最大似然估计所产生的结果相同。 朗读 Zhāiyào: Zhè shì zhì guān zhòngyào de liàn lù jí dì xìngnéng shùjù, rú sǔnshī lǜ hé yánchí gège huánjié, wèi wǒmen de yīgè wǎngluò de dòngtài tèxìng de rènshi. Shíxiàn zhè yī mùbiāo dì fāngfǎ zhī yī shì jīyú zhōngduān dào zhōngduān dì cèliáng xìngnéng tèdiǎn de yuányīn. ér bùshì shǐyòng chuántǒng de tǒngjì shùjù zuò tuīlùn, wǒmen shǐyòng de túxíng móxíng, duì xiàolǜ hé zhǔnquè xìng de yōushì. Zài wǎngluò mónǐ qì 2(NS2 de) wèi jīchǔ jìnxíng mónǐ hé shùjù shōují shì yóu qīwàng zuìdà huà tuīduàn (EM) suànfǎ, qí jiéguǒ jīhū shì xiāngtóng de zuìdà shì rán gūjì de jiànyì yǐqián chǎnshēng de jiéguǒ. 字典 - 查看字典详细内容 关键词：网络断层扫描，图形模型，网络的性能。 引言 为了成功地设计，控制和管理网络，我们必须对于网络的特征有更好的了解，特别是对于数据链路层[1]的了解。级别链接的特征，如丢包率和平均延迟，将有助于我们了解从各种在传输介质的应用中累计流量所带来的影响。这促使一些团体调查研究方法，以此在终端至终端网络测量[2][3][4] [5][6]的基础上，即所谓的网络断层的问题，来推断出内部网络行为。人们常用的一个来解决此问题的办法是，在一个或几个正在进行的流量交通（后来被称作背景流量）节点上增加探测数据包，此探测包特定于数个接收器。这些接收器上的探测数据包的接收或者丢失表明相应链接上的流量交通条件。这种方法依赖于统计推断得到链路级的特点。在本文中，我们建议使用图形模型进行推理。 最近，卡塞雷斯等人成功地利用该方法通过终端到终端的测量[6]，[7]，[8]获得数据丢失信息。他们建立了一棵组播树，通过目标网络传播，探测数据包基于定期或指数的基础从树的根部组播至叶节点。连接至叶节点的接收器纪录下到达的探测数据和未到达的探测数据，并为进一步的分析提供数据。在分析过程中，这些数据放在一起，估算各个环节的损失率。他们推理中使用的方法基于传统的最大似然估计（MLE），即使用探测数据包丢失的部分来估计背景流量交通的损失概率。无论是对于组播主干网的模拟还是对于其实验研究都表明了该方法的可行性和潜力。 最近，由于某些网络可能无法使用组播，Harfoush等人建议使用单播来发现链路级性能 [9]。他们使用分组配对技术在两个接收器之间建立相关性。两个及时被θ分离的数据包被发送到两个接收器（这两个接收器从源头共享路径的一部分），并在这两个接收器之间建立相关性，然后在观察这两个接收器的基础上，他们可以使用基于组播研制的技术来识别共享及不共享路径上的损失率。他们的模拟证实了其方法的有效性。同样，科茨和诺瓦克也采用了分组配对技术来推测链路级的特点。他们用期望最大化推断算法（EM算法）来推测链接的数据包之间的相关性，以及相关链接的损耗特性[10]。 我们使用图形模型（GM）推断链路级行为,而不是使用传统的最大似然估计（MLE）来推测链路级的损失率。在 [11]中发现的模型可以用来作为一个链接的先验概率，然后被用来从观察中推断后验概率。每次当一个新的观察变得可行，这个过程便重复一次，这使系统适应流量的变化。这个过程确保了所有先前到目前的观测资料都能在目前观测到的资料中得到总结。 朗读ér bùshì shǐyòng chuántǒng de zuìdà shì rán gūjì liàn lù jí de sǔnshī lǜ, wǒmen shǐyòng túxíng móxíng (GM)