CS798-项目 这是一项实验性建议，旨在通过使用机器学习技术预测软件定义的网络控制器（ONOS）的CPU使用率来监视软件定义的网络。 该项目有四个主要目标： 该项目专注于CPU使用率，因为CPU是现代计算机体系结构中最昂贵的资源。 特别是ONOS控制器比其他控制器使用的CPU功率要大得多[1]。 该项目的目的是通过机器学习预测ONOS控制器的CPU使用率，并使用该预测值来调制ONOS网络性能监视。 该项目还通过利用CPU预测值来实现自适应监视机制，以提供尽可能准确和节省资源的监视结果。