针对具有多家乡特征的流传输控制协议(stream control transmission protocol,SCTP)在垂直切换过程中的拥塞控制问题,提出网络状态感知的SCTP拥塞控制增强方法(network-aware SCTP,NA-SCTP),利用现有SCTP中的心跳消息(Heartbeat)来探测...
详细信息
针对具有多家乡特征的流传输控制协议(stream control transmission protocol,SCTP)在垂直切换过程中的拥塞控制问题,提出网络状态感知的SCTP拥塞控制增强方法(network-aware SCTP,NA-SCTP),利用现有SCTP中的心跳消息(Heartbeat)来探测备用链路的时延和带宽。切换发生后,根据探测到的时延和带宽值对备用链路的拥塞控制参数(拥塞窗口和重传定时器)进行适应性调整。仿真结果表明,NA-SCTP能及时准确地探测网络实际状态,对备用链路的拥塞控制参数进行适应性初始化,显著提高了垂直切换过程中的传输性能。所提方法可保持现有SCTP协议的拥塞控制机制,具有理论研究意义和实际应用价值。
在K-means型多视图聚类算法中,最终的聚类结果会受到初始类中心的影响。因此研究了不同的初始中心选择方法对K-means型多视图聚类算法的影响,并提出一种基于采样的主动式初始中心选择方法(sampledclustering by fast search and find of...
详细信息
在K-means型多视图聚类算法中,最终的聚类结果会受到初始类中心的影响。因此研究了不同的初始中心选择方法对K-means型多视图聚类算法的影响,并提出一种基于采样的主动式初始中心选择方法(sampledclustering by fast search and find of density peaks,SDPC)。该方法通过对数据集进行均匀采样,利用密度峰值快速搜索聚类算法(clustering by fast search and find of density peaks,DPC),以及K-means再迭代策略,进一步改善多视图聚类中的初始中心选择效率和类个数问题。实验验证了不同初始化方法对K-means型多视图聚类算法的影响。多视图基准数据集上的实验结果表明:全局(核)K-means初始化方法存在时间复杂度过高的问题,AFKMC^2(assumption-free K-Markov chain Monte Carlo)初始化适用于大规模数据,DPC可以主动选择类个数和初始类中心,SDPC较DPC而言,不仅能主动式获得类个数,还在聚类精度和效率上取得了较好的折衷。
暂无评论