본 논문에서는 연결수락 제어시 사용자가 전송하는 트래픽 파라메타(셀 개수의 분산값과 평균값)를 압축하여 망에 신고하는 방법을 제안하고, 압축방법에 의한 연결수락제어의 성능을 분석 비교한다. 트래픽 파라메타 압축방법은 K-means, CL(Competitive Learning), Fuzzy ISODATA, FNC(Fuzzy Neural Clustering)를 사용한다. 제안한 트래픽 파라메타의 압축에 의한 연결수락제어는 퍼지 매핑함수(Fuzzy Mapping Function)에 의해 신고한 트래픽 패턴을 추정하고, 전방향 구조의 신경망을 사용하여 연결의 수락/거절을 결정한다. ON-OFF 트래픽 모델 환경에서 컴퓨터 실험을 통하여 여러 가지 압축방법들을 사용한 연결수락제어의 성능을 Fuzziness값에 따라 비교하였고, 그 결과 FNC 방법이 우수함을 알 수 있었다. 또한 연결수락제어의 성능을 높히기 위해서 관측 프레임의 셀 분산값이 크면 Fuzziness값을 작게 선정하고, 작으면 상대적으로 크게 선정해야 함을 알 수 있었다.

This paper proposes a connection admission control method based on the compression of traffic parameters. We evaluate and compare the performance of the proposed method according to typical compression methods, K-means, CL (Competitive Learning), Fuzzy ISODATA and FNC (Fuzzy Neural Clustering) algorithm. These algorithms are used to compress a number of traffic parameters (variance and mean of observed cell stream). The proposed CAC first estimates the characteristics of input traffic pattern using Fuzzy Mapping Function, and then it decides whether input traffic should be accepted or rejected, using a feedforward Neural Network. We simulate to compare the performance of connection admission control according to used compression methods. The simulation results show that the CAC using FNC algorithm outperforms other methods. To more improve CAC performance, we also found that, if variance of a frame is high, fuzziness value(F) should be small ; otherwise, if variance of a frame is low, fuzziness value should be large.