基于Adaboost学习的ICN自适应缓存算法

doi:10.12068/j.issn.1005-3026.2019.01.005

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (1): 21-25.DOI: 10.12068/j.issn.1005-3026.2019.01.005

基于Adaboost学习的ICN自适应缓存算法

蔡凌¹，汪晋宽²，王兴伟³，胡曦⁴

(1. 东北大学秦皇岛分校控制工程学院，河北秦皇岛066004; 2. 东北大学信息科学与工程学院，辽宁沈阳110819; 3. 东北大学软件学院辽宁沈阳110169; 4. 东北大学秦皇岛分校计算中心，河北秦皇岛066004)

收稿日期:2017-05-24 修回日期:2017-05-24 出版日期:2019-01-15 发布日期:2019-01-28
通讯作者: 蔡凌
作者简介:蔡凌(1980-)，女，湖南武冈人，东北大学秦皇岛分校讲师，博士; 汪晋宽(1957-)，男，辽宁营口人，东北大学教授，博士生导师；王兴伟(1968-)，男，辽宁盖州人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61501102)；河北省高等学校科学技术研究项目 (QN2014327).

Adaptive Caching Algorithm Based on Adaboost Learning for Information Centric Networking(ICN)

CAI Ling¹， WANG Jin-kuan²， WANG Xing-wei³， HU Xi⁴

1. School of Control Engineering， Northeastern University at Qinhuangdao， Qinhuangdao 066004， China; 2. School of Information Science ＆ Engineering， Northeastern University， Shenyang 110819，China; 3. School of Software， Northeastern University， Shenyang 110169， China; 4. Computing Center， Northeastern University at Qinhuangdao，Qinhuangdao 066004，China.

Received:2017-05-24 Revised:2017-05-24 Online:2019-01-15 Published:2019-01-28
Contact: CAI Ling
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对信息中心网络(ICN)中缓存内容优化放置的问题，提出一种基于Adaboost学习的自适应缓存算法ACAL.该算法首先将提取的节点和内容数据流作为网络资源，然后利用集成学习算法Adaboost对数据流进行分析挖掘，利用挖掘出的状态属性与缓存匹配之间的函数映射关系对未来时间段内的节点与内容间的匹配关系进行预测，该预测结果用于指导缓存的部署.实验结果表明，ACAL在延时、缓存命中率和链路利用率等指标方面，与CEE策略、LCD策略、prob0.5策略和OPP策略相比有显著的优势.

关键词: 信息中心网络, 缓存网络, 缓存策略, 学习算法, Adaboost算法

Abstract: In order to optimize the cache placement in ICN(information centric networking)， an ACAL(adaptive caching algorithm based on Adaboost learning) algorithm was proposed. According to the algorithm， first， the extracted data flow including node data and content data was employed as the network resources， then the ensemble learning algorithm Adaboost was used to analyze and mine the data flow， and the mapping relationship between the state attribution data and the matching relationship value was utilized to predict the matching relationship between the node and the content in next period. Finally， the matching relationship algorithm was used to guide the cache placement. The simulation experiments demonstrate that the proposed ACAL， compared with CEE， LCD， prob0.5 and OPP yields a significant performance improvement， such as delay， hit rate and average link utilization.

Key words: information centric networking(ICN), caching network, caching strategy, learning algorithm, Adaboost algorithm

中图分类号:

TP393

蔡凌，汪晋宽，王兴伟，胡曦. 基于Adaboost学习的ICN自适应缓存算法[J]. 东北大学学报:自然科学版, 2019, 40(1): 21-25.

CAI Ling， WANG Jin-kuan， WANG Xing-wei， HU Xi. Adaptive Caching Algorithm Based on Adaboost Learning for Information Centric Networking(ICN)[J]. Journal of Northeastern University Natural Science, 2019, 40(1): 21-25.

参考文献

[1]Cisco.Cisco visual networking index:forecast and methodology［EB/OL］.(2017-9-15) ［2018-7-20］.https://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networking-index-vni/complete-white-paper-c11-481360.html#_Toc 484813971.
[2]Ghodsi A，Shenker S，Koponen T.Information-centric networking:seeing the forest for the trees［C］//Proceedings of the 10th ACM Workshop on Hot Topics in Networks.New York:ACM，2011:483-510.
[3]Laoutaris N，Che H，Stavrakakis I.The LCD interconnection of LRU caches and its analysis［J］.Performance Evaluation，2006，63(7):609-634.
[4]蔡岳平，刘军，樊欣唯.基于节点中心性度量的内容中心网络缓存机制［J］.通信学报，2017，38(6):10-18.(Cai Yue-ping，Liu Jun，Fan Xin-wei.Node centrality metric based caching mechanism in content-centric network［J］.Journal on Communication，2017，38(6):10-18.)
[5]Laoutaris N，Syntila S，Stavrakakis I.Meta algorithms for hierarchical Web caches［C］//IEEE International Conference on Performance，Computing，and Communications.Phoenix:IEEE，2005:445-452.
[6]Psaras I，Wei K C，Pavlou G.In-network cache management and resource allocation for information-centric networks［J］.IEEE Transactions on Parallel & Distributed Systems，2014，25(11):2920-2931.
[7]Wu H，Li J，Zhi J.MBP:a max-benefit probability-based caching strategy in information-centric networking［C］//IEEE International Conference on Communications.London:IEEE，2015:5646-5651.
[8]吴海博，李俊，智江.基于概率的启发式ICN 缓存内容放置方法［J］.通信学报，2016，37(5):62-72.(Wu Hai-bo，Li Jun，Zhi Jiang.Probability-based heuristic content placement method for ICN caching［J］.Journal on Communications，2016，37(5):62-72.)
[9]Dehghan M，Massoulie L，Towsley D，et al.A utility optimization approach to network cache design［C］//IEEE INFOCOM 2016—IEEE International Conference on Computer Communications.San Francisco:IEEE，2016:1-9.
[10]Li W，Oteafy S M A，Hassanein H S.Stream cache:popularity-based caching for adaptive streaming over information-centric networks［C］//IEEE International Conference on Communications. Kuala Lumpur:IEEE，2016:1-6.
[11]Kim D，Lee S W，Ko Y B，et al.Cache capacity-aware content centric networking under flash crowds ［J］.Journal of Network & Computer Applications，2015，50(C):101-113.
[12]Hu X Y，Gong J.Opportunistic on-path caching for named data networking［J］.IEICE Transactions on Communications，2014，E97-B(11):2360-2367.
[13]Wang W，Yi S，Yang G，et al.CRCache:exploiting the correlation between content popularity and network topology for ICN caching［C］//2014 IEEE International Conference on Communications.Sydney:IEEE，2014:3191-3196.
[14]张果，胡宇翔，黄万伟.基于流行内容感知和跟踪的协同缓存策略［J］.通信学报，2017，38(2):132-142.(Zhang Guo，Hu Yu-xiang，Huang Wan-wei.Coordinated caching scheme based on popular content awareness and tracking［J］.Journal on Communications，2017，38(2):132-142.)
[15]李俊，冯宗明，吴海博，等.基于层次划分的CCN网络缓存存储策略［J］.通信学报，2016，37(1):35-41.(Li Jun，Feng Zong-ming，Wu Hai-bo，et al.Hierarchical division-based cache storage strategy in content-centric networking［J］.Journal on Communications，2016，37(1):35-41.)
[16]Polikar R.Ensemble based systems in decision making［J］.IEEE Circuits & Systems Magazine，2006，6(3):21-45.

基于Adaboost学习的ICN自适应缓存算法

Adaptive Caching Algorithm Based on Adaboost Learning for Information Centric Networking(ICN)

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

[1]	栾峰，杨帆，蔡睿智，杨晨. 基于双字典自适应学习算法的低采样率CT重建[J]. 东北大学学报（自然科学版）, 2022, 43(12): 1709-1716.
[2]	蔡凌，汪晋宽，王兴伟，韩来权. 基于缓存开销的信息中心网络缓存协作策略[J]. 东北大学学报:自然科学版, 2018, 39(2): 166-171.
[3]	张祥德;黎明奇;王琪;孙艳蕊;. 基于多方向Gabor滤波器和Adaboost的虹膜识别方法[J]. 东北大学学报(自然科学版), 2012, 33(1): 39-42.
[4]	张祥德;董晓鹏;王琪;孙艳蕊;. 基于微积分算子的彩色虹膜图像定位算法[J]. 东北大学学报(自然科学版), 2011, 32(11): 1550-1553.
[5]	丛秋梅;柴天佑;余文;. 带有稳定学习算法的小波神经网络及应用[J]. 东北大学学报(自然科学版), 2010, 31(3): 305-308+316.
[6]	关守平;吕欣;张艳蕊;. 基于过程神经网络的短期负荷预测[J]. 东北大学学报(自然科学版), 2007, 28(10): 1450-1453.
[7]	王昭东;田勇;赵忠;王国栋;. 中厚板厚度控制模型的自学习[J]. 东北大学学报(自然科学版), 2006, 27(7): 771-774.
[8]	杨成祥;冯夏庭;王泳嘉. 材料本构模型的唯一性[J]. 东北大学学报(自然科学版), 2000, 21(5): 566-568.
[9]	王殿辉;柴天佑. 基于神经网络的多变量自适应控制器[J]. 东北大学学报:自然科学版, 1995, 16(3): 6--.
[10]	冯夏庭;王丽娜. 利用神经网络学习的岩体分级[J]. 东北大学学报:自然科学版, 1993, 14(3): 226-230.