中文摘要：

网络规模的急剧扩大和业务数据流种类和数量的迅速攀升,使人们很难再在网络中孤立的分析某一条数据流的服务质量，而需要关注和挖掘网络中不同数据流服务质量之间的关联性。本项目特色性地将机器学习引入到网络中的相关性分析之中，紧密围绕"分布数据流服务质量的耦合机制"这一涉及"服务质量"和"网络行为"的重要交叉问题展开研究。基于概率图模型，重点研究了网络对业务服务质量的约束控制作用，动态数据流间服务质量的耦合作用以及网络业务突变对已有业务服务质量的影响特性等问题。具体实施中，本项目将Gibbs随机场、因子图用于有线网络领域的业务数据流耦合特性建模，将势能理论、Loop Belief Propagation等用于数据流耦合程度分析和传播特性分析，构成了研究方法上的特色和创新。项目所取得的研究成果将为深层次揭示网络服务质量内在运行以及变化规律奠定基础，并对高效准确的大规模网络管理和资源调配产生指导作用。

结论摘要：

随着新一代通信网络的内部属性变化以及用户和服务提供商等外部需求变化，如何系统地、科学地建立刻画用户业务数据流动态服务质量特性以及行为特征的模型，挖掘网络中不同数据流服务质量之间的关联性就成为了首要问题。项目组围绕模型建立、机制推演和成果应用三方面开展研究工作，取得了一定成果，主要包括（1）针对大规模网络分布式业务数据流的约束控制机制，建立了数据流服务质量耦合机制模型；（2）通过分析模型中“流节点”之间的相关性以及基于链路的耦合性，挖掘了数据流耦合现象的产生原因、作用机制和传播特性，发现了数据流在服务质量上呈现的扩散效应及其规律；（3）以数据流耦合分析为核心，对上下游支撑技术和实际应用进行了探索，包括: 在数据流耦合分析的前置关键技术“流量分类”方面提出适合并行查找和硬件实现的实时在线网络流量分类新方法，在数据流耦合分析处理方面提出了基于字典学习的动态符号网络关系状态推测和高维信号感知技术，在数据流耦合分析的应用方面提出新型路由技术以及基于网络编码的接入网带宽分配和动态分组算法；（4）设计并搭建了仿真与实验平台，支持较大规模数据流的分析仿真和处理，对上述机制和算法的有效性进行验证。通过以上创新性理论研究工作和科学实验工作，在大规模网络中分布式数据流的耦合机理、传播特性，及数据流间耦合机制在网络的实际应用等方面实现重要突破，本课题成果将为深层次揭示网络服务质量内在运行以及变化规律奠定基础，并对高效准确的大规模网络管理和资源调配产生指导作用。本项目在本领域高水平期刊和国际会议上发表SCI/EI论文11篇，其中SCI检索4篇；提交国家发明专利申请4项，其中授权2项。通过本项目培养博士研究生2名、硕士研究生3名。本项目的部分成果获中国通信学会科学技术三等奖1次。