由信息化技术掀起的网络巨潮,短短几年内席卷了整个智能互联网。各种智能设备也是层出不穷,像智能家具、智能通讯仪器、数字智能媒体等终端设备都已实现物与物的交互或人与物的交互。为保障交互数据传输的快速和稳定,传统的网络架构、数据流量检测、流量调度方式都已渐渐开始突破不了海量数据的壁垒,数据中心面临着响应不及时,数据资源丢失等严峻挑战。改变传统的网络架构,在新的架构下实现新的流量检测方案,以便快速准确识别流量类型,研究新的流量调度算法,从而提高网络吞吐量和减少网络时延。本文主要研究内容如下:（1）基于SDN数据中心流量适应带宽的调度算法针对数据中心网络流量的不断增加导致吞吐量下降、网络时延增加等问题,提出一种基于SDN（Software Defined Network）网络带宽资源适应大象流的多路径流量调度算法。该算法首先计算出满足待调度流量带宽需求的所有路径,筛选出跳数比较短的路径集合,再从该集合中把每条路径中的瓶颈带宽分别与当前待调度的数据流带宽做比较,通过计算每条路径被选择调度的概率值为待调度流分配传输路径。通过仿真模拟实验,验证了所提出的调度算法可行性,并且表现出良好的性能。（2）基于SDN的数据中心大象流调度预测机制针对数据中心流量调度算法中事先设定好的阈值判定不能随着流量分布的变化而扩展的问题,提出了一种基于SDN的数据中心预测大象流机制。该机制首先由交换机使用C4.5决策树算法对流量进行初级预分类,筛选出候选大象流,然后由控制器使用残差网络算法和Additive Margin Softmax交叉熵损失函数把候选流量中的大象流筛选出来。实验结果表明,所提出的机制可行有效,并且表现出良好的性能。