EIGRP回顾

EIGRP: cisco增强型内部网关路由选择协议

简介

1,Cisco私有
2,无类别距离矢量协议
3,跨层封装协议
4,封装于网络层-协议号88
5,组播更新:224.0.0.10 支持非等开销负载均衡
6,增量更新(部分更新)–仅触发,无周期–hello机制必须存在,触发更新量小,可靠性极高

EIGRP采用的是DUAL算法,这个算法可以确保在极短时间内无环路计算出路由结果,并且允许所有与拓扑改变相关的设备在同一时间进行同步更新。不受拓扑结构改变的路由器不会重新进行计算。这种收敛效率要远比其他已存的路由协议要高。

DUAL算法

hello保活机制
success 成功路径-最佳路径 从本地到达目标最小度量值
AD:通告距离,是EIGRP邻居路由器到达目标网络的度量值,也就是下一跳路由器到达目标网络的最佳度量值。
FD:可行距离,是当前路由器前往目标网络的度量值,它是从EIGRP邻居获悉的AD和它最佳到达邻居的度量值之和
FC:可行条件,AD<FD

EIGRP加表规则

先添加拓扑表计算后添加路由
AD<FD规则 先比较判断后计算 判断路径不成环 叠加后的巨鹿值为FS 该路径为次优的备份路径存储在拓扑表中
邻居间只能传一个AD值 存在备份路径的另一个邻居没有该备份路径

邻居关系建立的条件

1,AS号必须保持一致
2,K值保持一致
3,认证一致
4,必须同时使用单播和组播

邻居表产生

hello包(发现邻居,判断条件),updat包(建立邻居,但不携带路由)
hello包比较AS号 K值 建立邻居后仍然发送维护邻居 发送携带路由信息的update包,AD,FD规则则添加拓扑表稳定后更新路由表

EIGRP工作过程

协议配置后,各个设备互发hello包进行建邻,生成邻居表。然后互发更新包共享路由信息,生成拓扑表。直到各条最佳路径和备份路径加载到各个路由表中,收敛完成,使用hello包周期保活。
新增网段:直连新增网段的设备,向所有邻居发送更新包,然后逐级收敛
断开网段:直连断开网络的设备,向本地所有邻居发送查询包来收敛该路径,若该直连网段同时为本地到达某个目标的最佳路径i,且没有备份路径,那么也进行收敛;若存在备份路径,那么仅收敛直连网段路由,启用备份路径来访问其他网段。
无法沟通:hold time 到时间时,断开邻居关系,删除所有通过该邻居学习的信息;能否重新建立邻居关系,关注hello包

默认路由下放

#ip route 0.0.0.0 0.0.0.0 s1/0
1,重发布形式

#route eigrp 1
#redistribute static metric 10000 100 1 255 1500

2,宣告的形式(EIGRP可以宣告静态)

#route eigrp 1
#network 0.0.0.0 0.0.0.0

3,汇总的形式

#int s1/0
#ip summary-address eigrp 1.0.0.0 0.0.0.0

EIGRP有两种管理距离值
D 90
D EX 170
eigrp本地汇总路由的管理距离为5
设置外部管理距离大于内部管理距离的主要原因时防环(水平分割)

EIGRP认证
#int s1/0
#ip authentrication mode eigrp 1 md5  开启认证
#ip authentication key-chain eigrp 1 k
#key-chain k
#key 1
#key-string cisco

强力认证

#route eigrp k
#address-family ipv4 unicast autonomous-system 1
#af-inteface s1/0
#authentrication mode hmac-sha-256 7 cisco/.强力认证,防止IP snooping 攻击

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值