为减少边缘云雾协同网络的传输延迟,提高缓存设备的存储利用率和预测准确性,提出了一种基于用户兴趣与特征融合的数据预处理缓存策略(FUCS:A Fusion of User Interests and Features-based Data Preprocessing Caching Strategy)。利用K...为减少边缘云雾协同网络的传输延迟,提高缓存设备的存储利用率和预测准确性,提出了一种基于用户兴趣与特征融合的数据预处理缓存策略(FUCS:A Fusion of User Interests and Features-based Data Preprocessing Caching Strategy)。利用K-means算法对数据进行预处理,以缩小计算范围。设计了一个特征融合模块,并采用Multi-Head Self-attention来适应用户兴趣的变化规律。仿真试验结果表明,与传统的缓存策略相比,所提出的策略在总体缓存命中率上表现更优,并能显著降低数据的平均传输延迟。展开更多
文摘为减少边缘云雾协同网络的传输延迟,提高缓存设备的存储利用率和预测准确性,提出了一种基于用户兴趣与特征融合的数据预处理缓存策略(FUCS:A Fusion of User Interests and Features-based Data Preprocessing Caching Strategy)。利用K-means算法对数据进行预处理,以缩小计算范围。设计了一个特征融合模块,并采用Multi-Head Self-attention来适应用户兴趣的变化规律。仿真试验结果表明,与传统的缓存策略相比,所提出的策略在总体缓存命中率上表现更优,并能显著降低数据的平均传输延迟。
