共查询到20条相似文献，搜索用时 109 毫秒
1.
《科技通报》2016,(4)
通过对网络流量的准确预测提高对网络的调控和监测水平,避免网络拥堵,确保网络畅通。传统的网络流量预测算法采用粒子群算法,在处理大规模的流量数据时,容易导致信息发散和易陷入局部极值点,流量预测准确度不高。提出一种基于多标记学习混合差分粒子群进化的网络流量预测算法。构建多分簇的无线网络流量数据传输模型,对网络流量进行时间序列分析,采用粒子群优化算法分别比较网络信息流中的频率波动是否相同,对相同的进行合并,基于自回归移动平均算法,进行粒子群信息链特征优选准则设计,采用多标记学习混合差分粒子群进化算法,把网络流量数据嵌入到内核空间的超球体中,进行离线阶段的网络流量预测优化。仿真结果表明,该算法对网络流量预测的精度较高,误差减少,具有较好的应用价值。 相似文献
2.
网络并发式流量特征具有信号时间可预测性,通过对网络流量的解卷积测度特征提取,提高对网络流量的预测性能。传统法方法采用粒子群优化算法实现对网络流量的特征测度盲解卷积分析,对原始信号的统计信息提取效果不好。提出一种基于粒子群退化重采样的网络流量解卷积测度提取算法,构建并发式网络流量序列采集模型,设计粒子退化重采样技术,将每个粒子的当前适应度值与其自身的个体最优值进行比较,如果优于个体最优值,得到粒子当前最优位置。仿真实验表明,采用该算法,收敛速度很快,在粒子群进化50代以内就可以实现成功收敛,对流量序列的测度特征提取结果准确,预测精度较高,展示了算法的优越性能。 相似文献
3.
在能量受限的侦听网络中,需要大量的信息交换,由于瓶颈节点的能量消耗无法满足侦听网络的流量需求,需要进行流量扩张模型构建。传统方法采用对偶子梯度法实现对侦听网络的流量扩张,方法只能考虑一种流量和节点的组合,适应性能不好。提出一种基于小波变换尺度耦合特性分析的侦听网络流量扩张模型,对侦听网络流量时间序列进行采集与分析,通过小波尺度耦合分析,对路由接收的调度任务指令数量做出有效预测,从而为调度模型的建立提供准确的数据基础。分析流量序列的瞬时频率线性变化规律,得到带宽频间谐振模型,通过小波尺度耦合特性约束,提高了流量的流通量,实现流量扩张。仿真结果表明,算法能有效提高侦听网络的数据流吞吐量,网络流量通道得到有效扩张,提高了侦听网络的安全性和通信效率,展示了较好的应用性能。 相似文献
4.
5.
基于包络特征的网络流量预测阈值调控算法 总被引：1，自引：0，他引：1
《科技通报》2015,(10)
对网络流量序列的准确预测的基础是进行流量判决门限阈值的合理调控,为了提高网络流量预测的精度,进行阈值调控优化设计。传统方法采用流量序列调频估计的方法进行阈值调控,算法不能准确估计流量序列的包络特征,预测精度不好。提出一种基于包络特征的网络流量预测阈值调控算法。通过不同类型的网络设备进行流量采集终端联网构建,采用自相关特征奇异分解对流量序列进行线性特征叠加运算,构建网络流量预测的时间序列模型。采用统计学数学方法对流量序列的延迟时间互信息进行阈值调控自适应建模,提取流量序列的包络特征。实现对网络流量预测的阈值调控,提高预测精度。仿真实验表明,该算法能实现对流量预测阈值的自适应调控,预测精度较传统方法提高37%,性能优越于传统算法。 相似文献
6.
为了提高对网络异常流量监测模型的置信度和准确性,降低虚警概率,防止漏报。需要对异常网络流量预测概率置信度区间进行优化设计。提出一种基于预测流量数据主特征建模与广域子空间重构的异常网络流量预测算法,提高预测概率置信度。把主特征建模投影到广域子空间中,获取网络异常流量数量的对偶子梯度预测结果,其表现为一组尺度,分析网络预测流量的概率置信度的伸缩变化,选用极大似然法对网络流量的预测概率置信度进行特征建模,得到概率置信度区间。提高预测置信度和精度。实验结果表明,该算法能有效提高异常网络流量的预测精度,通过在广域子空间中特征建模,保证了预测的概率置信度,减少预测误差,性能优越。 相似文献
7.
8.
对内容中心网络的域间流量监测是未来互联网架构和网络安全监护的重要内容,通过域间流量监测,防止网络拥堵和不稳,提供网络性能,同时缩减网络冗余流量。传统方法中,对域间流量的预测采用双谱分析的方法进行特征提取,实现对局域网流量的预测,算法受到短时缓冲流量的非线性特征的影响,性能不好。提出一种基于鱼群信息链特征优选的域间流量预测算法,进行网络流量信号模型分析,构建流量监护数据样本驱动空间,进行鱼群信息链特征优选系统模型与数据预处理,得到域间流量为一阶空间权矩阵,域间网络流量信息数据表示为一个方阵,实现基于鱼群信息链特征优选的域间流量预测算法的改进。实验得出,采用该算法,在较低的信噪比下,仍然具有较高的预测精度,域间流量估计误差较低,性能较优。 相似文献
9.
10.
11.
《科技通报》2015,(10)
设计网络流量预测数学模型,实现对网络流量的准确预测和评估。传统的流量预测算法采用包络特征子空间聚类的流量序列分析方法,对随机大数据网络流的聚类和预测效果不好。提出一种随机阵列向量模型的流量预测算法。首先进行了网络流量预测的时间序列模型构建,采用平均互信息算法和伪最近邻点法求解最优化网络流量序列重组空间异构参数,得到一个高密度流量数据分形区域,创建流量序列的概率分布曲线,在随机阵列相空间中形成新的映射采用统计学数学方法对流量序列的随机分布特征进行分布式计算,随机阵列向量模型构建方法进行流量预测算法改进。仿真结果表明,采用该算法进行流量预测,能有效提高预测精度,具有较好的流量特征分析能力,性能优越。 相似文献
12.
为了克服传统分簇路由协议中无法有效缓解"热区"和数据传输可靠性不高的问题,设计一种基于并行SOM和自适应禁忌优化算法的负载均衡路由协议。首先,将整个网络区域分为若干子区域,在每个子区域中自适应的根据节点与基站的距离确定分簇数目,采用并行SOM并行对网络区域进行分簇,同时根据能量和位置因素选举簇头;然后,以最小化各簇头到基站的最小跳数为目标,采用改进的禁忌优化算法来寻找各簇头到达基站的最优解和次优解,构成多条冗余路由,以增强数据传输的可靠性,最后,对基于改进禁忌优化算法的最小跳数路由协议进行了设计和描述。仿真实验表明:文中方法能有效地提高网络生命周期和提高数据传输的可靠性,具有很好的负载均衡能力,是一种适用于WSN的有效分簇路由算法。 相似文献
13.
为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。 相似文献
14.
15.
16.
网络数据流量的准确预测是评判和选择最佳Web服务的一种重要标准。传统的网络数据流广域子空间流量预测方法没有进行分解降维处理,预测误差较大,无法对大跨度的网络流量进行准确预测。提出一种基于广域子空间分解降维的网络数据流量准确预测方法,把网络流量数据流构建广域子空间进行预处理,在广域子空间中对数据进行分解分析,把提取的高维特征涵摄在广域子空间中,进行广域子空间分解降维,然后将广域分析的结果与子空间降维分析的结果进行有效的数据融合,实现对整个网络流量分析数据的准确预测。仿真测试表明,采用基于广域子空间分解降维的方法进行网络数据流量预测,可以精确预测网络流量渐变过程,结果准确,且计算开销明显降低。 相似文献
17.
《科技通报》2016,(9)
针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型,首先在采用粒子群算法对KNN算法进行优化前,引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化,然后采用最优化学习策略对改进粒子群算法的运算性能进行优化,最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度,并根据适应值函数计算每个粒子的适应度。仿真实验结果表明,本文提出的改进粒子群算法具有较好的收敛性能,基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。 相似文献
18.
19.
常规粒子群算法(SPSO)在优化过程中易陷入局部最优,本文分析了常规粒子群算法陷入局部最优的原因,提出采用一种自适应粒子群算法(APSO)避免陷入局部最优,改善算法的收敛性和精度。最后用自适应粒子群算法设计宽带阶梯阻抗变换器,结果表明,与常规粒子群算法相比,自适应粒子群算法全局速度快、成功率和精度也有显著提高。 相似文献
20.
根据无线传感网络中簇头点生成过程中的多径能量特性,提出一种基于自适应均衡抵消的相位检波能量检测算法。建立无线传感器网络信号与信道系统模型,设计无线传感器网络信道自适应均衡算法,采用横行型自适应FIR滤波器进行自适应降噪滤波处理。使用相位检波方法对UWB无线传感器网络通信信道进行能量检测和优化设计。实验结果表明通过自适应相位检波能量检测方法,能最大程度上削弱无线传感网络信道慢衰落影响,降低网络功耗,提高能量检测性能和信道传输效率,实现了无线传感器网络信道优化设计。 相似文献