基于多Markov链预测模型的Web缓存替换算法

作者： 黄学雨 ; 钟艳青

摘要：为了提高web缓存的性能,提出了一种基于多Markov链预测模型的Web缓存替换算法PGDSF-AI.首先将Web中具有不同浏览特征的用户分为多类,为每一类用户建立类Markov链,进一步建立多Markov链预测模型.然后利用该模型对当前的用户请求预测,进而组成预测对象集.当缓存空间不足时,选取键值最小且不在预测对象集中的对象替换.通过估算对象的平均间隔时间,避免缓存大量保留长时间没有访问的对象.实验结果表明,提出的算法有较好的性能.

关键字： Web缓存 替换算法 Markov链 预测模型 浏览序列

---

上一篇：LVDS中8B/10B编码解码器的设计与实现
下一篇：基于高速FFT结构的频域抗干扰算法的FPGA实现