适用于软件定义网络（SDN）的计算机的调查学习技术：研究问题和

适用于软件定义网络（SDN）的计算机的调查学习技术：研究问题和挑战(中文57000字,英文PDF)
摘要：近年来，随着快速发展目前的互联网和移动通信技术，基础设施，设备和资源的联网系统变得更加复杂和异构的。为了有效地组织，管理，维护和优化网络系统，更多的智能需要部署。然而，由于传统网络固有的分布特征，机器学习技术很难被应用并部署到控制和操作网络。软件定义网络（SDN）给我们带来了新的机遇，以提供网络内的情报。SDN的能力（例如，在逻辑上集中控制，网络，基于软件的流量分析，并转发规则动态更新的全局视图），使其更容易申请机器学习技术。在本文中，我们提供适用于SDN的文献涉及机器学习算法进行全面调查。首先，介绍了相关工作和背景知识。然后，我们提出的机器学习算法的概述。此外，我们回顾了机器学习算法是如何在SDN的领域应用，从业务分类，路径优化，服务质量（QoS）/体验质量（QoE）的预测，资源管理和安全的角度。最后，挑战和更广泛的前景进行了讨论。路由优化，服务质量（QoS）/体验质量（QoE）的预测，资源管理和品质的保障。最后，挑战和更广泛的前景进行了讨论。路由优化，服务质量（QoS）/体验质量（QoE）的预测，资源管理和品质的保障。最后，挑战和更广泛的前景进行了讨论。
关键词：软件定义网络，机器学习， 流量分类，资源管理