系统聚类树算法：新型网络拓扑判定方案

"系统聚类树算法在网络拓扑判定中的研究 (2008年) - 张巍，王郁武 - 四川大学学报(自然科学版)，2008年12月，第45卷第6期，文章编号0490-6756(2008)06-1332-05，中图分类号:TP314，文献标识码:A" 网络拓扑结构的判定是网络管理和优化的核心任务，尤其是在大规模网络中，网络层析成像（Network Tomography）技术的应用对此提出了更高的要求。该技术旨在通过观察网络边缘的流量信息，推断出网络内部的逻辑结构。本文由张巍和王郁武两位作者发表于2008年的《四川大学学报(自然科学版)》，他们提出了一种创新的方法，即利用系统聚类分析法进行网络拓扑判定。 传统的网络测量方案通常依赖于多播或广播，但这些方法在大规模网络中可能会引起拥堵和效率问题。因此，文章提出了基于单播测量的“三明治”网络测量方案，此方案无需时钟同步，能有效地获取网络延迟数据。在这个基础上，作者引入了统计聚类模型，通过分析这些数据，构建了一个系统聚类树算法。系统聚类树算法能够更准确地识别网络节点之间的连接关系，提高拓扑判定的效率和准确性。 系统聚类树算法的核心在于它利用了聚类分析中的层次聚类方法，通过不断合并相似的节点，逐步构建出网络的层级结构。这种方法考虑了网络节点间的相对距离和延迟信息，使得生成的拓扑结构更加符合实际网络的特征。 为了验证新算法的有效性，作者进行了实验，并将其与合并似然树算法进行了对比分析。合并似然树算法是一种常用的拓扑判定方法，通过最大化似然函数来确定最佳拓扑结构。实验结果表明，系统聚类树算法在处理复杂网络拓扑时，不仅在准确性上表现优越，而且在计算效率上也具有优势。 关键词涉及了网络层析成像、拓扑判定、统计聚类模型、聚类分析以及系统聚类树等核心概念，表明该研究是结合了网络测量、数据分析和机器学习等多个领域的交叉工作，对于理解和改进网络管理有着重要的理论和实践价值。