组合神经网络的网络流量预测研究

提出一种组合神经网络的网络流量预测模型.首先采用SMOF网络对网络流量数据进行聚类,然后采用Elman网络对聚类后的流量数据进行训练并预测,同时采用遗传算法对Elman网络的网络结构进行优化,提高网络流量预测精度.仿真结果表明,组合神经网络加快了网络流量预测速度,提高了网络流量预测精度,克服了单一预测模型不足,为网络流量预测提供了新的思路,具有很好的应用前景.     

基于ARMA模型的网络流量预测

针对海量网络数据的特性,基于数据分割,用分段ARMA模型建立了网络流量的时间预测模型。以向后1 h的流量预测确定了ARMA(3,2)模型的预测参数,仿真分析与NetFlow实测数据对比表明,该预测模型的预测精度高、误差小,能够较好的进行网络流量的短期预测。     

基于深度置信网络的互联网流量预测方法

对未来网络流量负荷的预测有助于运营商精确预估网络使用情况,优化网络资源,提高用户满意度。本文提出了基于深度置信网络(DBN)的三种不同架构的网络流量预测模型来预测未来1小时的互联网流量,首先,介绍了DBN的网络结构;然后构建了三种不同架构的DBN拓扑结构,最后通过实验对比,发现隐藏层的神经元数量对更深层次的网络至关重要,该模型被证明是一种有效的预测模型。本文所采用的方法在模拟流量数据模式和随机要素的同时,提供了准确的网络流量预测,使测试数据集的均方根误差(RMSE)值为0.028。     

基于PSO-Elman模型的网络流量预测

针对网络流量的混沌性特点以及传统神经网络处理网络流量预测问题易陷入局部极小导致预测精度不高的问题,提出在相空间重构基础上,采用粒子群算法(PSO)优化Elman神经网络初始参数的网络流量预测模型。首先对网络流量时间序列进行相空间重构,将重构后的流量序列作为模型的输入;再利用PSO算法全局搜索能力对Elman神经网络初始参数进行优化;最后利用训练好的Elman神经网络对网络流量进行预测。仿真结果表明,相比其他流量预测方法,基于PSOElman模型的网络流量预测提高了预测准确率。     

基于包容性检验和神经网络的网络流量预测

网络流量具有复杂多变特征,为了获得理想的预测效果,提出一种包容性检验和BP神经网络相融合的网络流量预测模型(ET-BPNN)。首先采用多个单一模型对网络流量进行预测,然后通过包容性检验选择最合适的基本模型,最后采用BP神经网络确定基本模型权重,建立网络流量预测模型。结果表明,ET-BPNN更加准确地刻画了网络流量变化趋势,各项评价指标均达到更优,为实现网络流量准确预测提供了更为科学的方法。     

小波分析与神经网络的网络流量预测模型

网络流量具有长相关、非平稳性与多时间尺度特性。提出了一种基于小波分析与AR(p)人工神经网络相结合的网络流量预测模型,即WPBP算法。该算法采用小波分析得到网络流量在不同尺度下的近似信号和细节信号,并运用AR(p)的相关性理论确定近似信号序列和细节信号序列的相关程度(p值),与神经网络进行耦合,以p+1划分数据,前p项作为输入,后一项作为输出对网络进行训练,从而使得神经网络的输入与输出的选择更加合理,预测的结果也更加准确。用小波重构得到最终的流量预测值,用实际网络流量对该模型进行验证。仿真结果表明,该模型的预测效果较好。     

基于小波神经网络的网络流量预测研究

主要采用小波神经网络的相关理论和方法对某小区网络的访问流量情况进行建模和预测。利用收集到的网络流量变化情况作为小波网络的训练样本,成功实现了该网络的流量预测。试验仿真结果表明,构建的小波神经网络模型可以很好地实现对网络流量的高精度预测。     

基于小波分解和支持向量机的网络流量组合预测

研究网络流量预测问题,网络流量具有突发性、周期性、非线性特点,传统网络流量预测模型无法建立准确预测模型,导致预测误差大,预测精度低.为了提高网络流量的预测精度,提出一种小波分解和支持向量机的网络流量预测模型.首先采用小波变换对网络流量进行分解,把网络流量不同特性成分分离出来,然后采用支持向量机对各分量进行预测,最后采用小波变换对各分量预测结果进行重构,得到网络流量的最终预测结果.仿真实验结果表明,相对其它预测模型,提高了网络流量的预测精度,为网络流量预测优化提供了可靠依据.     

网络流量预测模型研究

针对当前网络通信业务量大,业务种类多的特点,对近年来网络流量预测模型研究现状进行了综述,分析了多种网络流量预测模型,针对网络流量的不同特点对各种模型从计算复杂度、应用场合及适用范围等方面展开比较分析。比较结果表明,预测模型与所分析流量特性及应用场合关系密切,在具体应用中应充分考虑预测目标和具体的网络流量特点,选择合适的预测模型。     

基于支持向量机的网络参数模型研究

使用模糊层次分析法对支持向量机的两个参数进行寻优,并用寻找到的最优参数训练支持向量机,建立网络参数模型。首先使用模糊层次分析法对支持向量机两个参数进行寻优,然后用寻找到的最优参数训练支持向量机,最后建立预测模型,预测网络流量。实验结果表明,该方法不但可以较好地跟踪网络流量变化趋势,使网络流量的预测值与实际值非常接近,而且预测误差变化范围波动小,是一种有效且预测精度高的网络参数模型。     

基于认知无线网络的移动终端业务流的分析方法

针对认知移动终端业务流在多网络层具有不同复杂性的特点,提出了一种基于多时空尺度的业务特性分析方法。该方法首先建立多空间尺度业务模型,然后利用多尺度熵方法对终端业务流信息进行特征提取,对比分析不同时空尺度上网络行为的结构复杂度,探索其随时空尺度的变化规律,从而预测下一时段的业务量。实验数据分析的结果表明,该方法能够有效的实现业务流的在线监测。     

Impact of Interference on the Wireless Ad-Hoc Networks Capacity and Topology

It is wide spread belief that wireless mobile ad-hoc networks will be a further evolutionary step towards ubiquitous communication and computing. Due to the mobility of the network nodes, the strongly varying radio propagation conditions and the varying data traffic load these networks constitute a very dynamic environment. One essential step in evaluating the true benefit of this new technology consists of estimates and constraints concerning the scalability and performance of such networks. Using a simple model we discuss analytically the effect of interference on the link quality and connectivity of large networks. It turns out that the outage probability rapidly increases with increasing traffic load. Furthermore, we investigate the connectivity of the network under varying traffic load and find a percolation phase transition at a particular value of the traffic load. We discuss the dependence of these effects on parameters characterizing the receiver and the radio propagation conditions.     

A Survey of Cooperative Games for Cognitive Radio Networks

Cooperative cognitive radio networks are new cognitive radio paradigm. Cooperative communication approaches, such as cooperative spectrum sensing and cooperative spectrum sharing, are playing key roles in the development of cognitive radio networks. To achieve the high performance, a cooperative cognitive communication framework is often used to model various cooperative spectrum sensing or sharing scenarios. However, its implementation faces numerous challenges due to the complexity of mobility and traffic models, the needs of dynamic spectrum access, the heterogeneous requirements from different users, and the distributed structure of the network. Fortunately, cooperative game theory can be used to formulate and model the interactions among licensed and unlicensed users for spectrum sensing and spectrum sharing to efficiently allocate spectrum resource in the highly dynamic and distributed radio environment. In this paper, we first present the cooperative communication technologies and describe their existing challenges, then introduce different game solutions, after that, we discuss several cooperative game strategies, and analyze the associated their applications in cognitive radio networks, at final, some open directions for future research on economic strategies in cooperative communication in cognitive radio networks are proposed.     

基于非平稳型流量队列模型的Internet流量测量研究

针对大规模细粒度网络流量测量的现实困难,本文引入一种非平稳型流量队列模型NTT,直接对粗粒度的流量采样进行建模.NTT模型是大量活跃的流量队列的迭加,每个队列内部的流量变化过程用分形高斯噪声过程FGN描述,队列的到达过程形成非同构的泊松过程,队列的生存周期服从指数分布.对CERNET主干网的实际流量测量分析验证了NTT模型的有效性,证实了NTT模型可用于基于各种粒度的流量测量的网络行为研究.     

战术认知无线电网络架构设计

认知无线电技术具有智能电磁频谱感知、干扰避免和动态频谱接入的能力,因此利用认知无线电技术可以提升战术网络的性能.由于战术作战的复杂性,需要建立适用于战术任务的认知无线电架构.首先分析了战术通信的特点和认知无线电技术在战术网络中的运用,以及目前国外战术认知无线网络的建设情况.结合战术通信网络移动性高、电磁对抗复杂的特点,利用对抗环境下的战术网络结构和模型,提出了分层的战术认知无线电网络结构以及面向作战任务的网络管理方法,形成拓扑结构分层次、管理运行分阶段的网络架构.该网络架构均衡考虑了网络的灵活性和稳定性,适用于动态变化的战术网络,为认知无线电在战术通信中的技术应用和网络设计提供了参考.     

系统服务等级约束下提高认知无线网络可达业务负荷的研究

针对现有方案在系统服务等级约束下可能会降低认知无线网络可达业务负荷的问题,提出了一种新的频谱共享机制以提高系统服务等级约束下具有异构业务的认知无线网络可达业务负荷.该机制的主要思想是根据实时业务和非实时业务的不同延时特性,分别引入剥夺优先权和缓冲队列,进而同时减小异构次用户呼叫的强制中断概率和阻塞概率.仿真结果表明,所提机制能有效提高系统服务等级约束下认知无线网络的可达业务负荷.     

带有组间切换的认知无线网络混合式信道分配策略及性能研究

针对认知无线网络中的非实时通信业务,综合使用随机退避方式和控制中心调度方式,考虑两组授权信道,提出一种带有组间切换机制的混合式信道分配策略。基于认知用户数据分组数量及两组授权信道上分别传输的授权用户数据分组数量,建立三维Markov模型,导出认知用户的阻塞率、数据丢失率及平均延迟等性能指标表达式。数值实验和系统仿真的结果表明,随着退避时间的变化,不同性能指标间存在一定的折衷关系,通过选取最低的系统成本,给出退避参数的优化设置方案。     

基于智能网络的租户服务质量保证技术

在多租户虚拟网络环境中,用户对于网络服务的多样性以及性能的稳定性需求并不会随着网络架构和运营模式的升级而削弱,用户需求之间的差异性和动态性对于不同切片间资源的分配和调度效率提出了新的挑战。针对多租户虚拟网络的特殊环境,首先提出了QVR(QoS-Virtual Routing)流量调度算法,同时将用户流量调度与网络虚拟资源分配看做一个联合优化问题,提出了面向多租户的流量调度算法以及适用于共享链路的动态带宽分配算法。该算法能够释放更多的物理网络资源,明显降低了租户网络的延时和拥塞。     

一种基于神经网络与证据理论融合的P2P业务感知模型

提出了一种基于神经网络与证据理论融合的P2P业务感知模型,该模型利用神经网络的非线性逼近能力和自学习能力,获取证据理论所需的基本概率值;并通过证据理论的数据融合明显提高业务感知准确率。实验结果表明,该模型与现行的P2P业务识别方法相比,能够快速、准确、可靠地识别P2P业务类别,实现合法有效的网络管理和控制,对检测网络异常行为与提高网络安全性具有重要意义。     

基于业务感知的认知网络QoS自适应控制技术

文章研究并提出了基于业务感知的认知网络服务质量(QoS)自适应控制架构。该架构在智能业务感知和分类模型的基础上对数据包进行分类和识别,并借鉴控制理论通过基于端路协同的认知网络业务流QoS自适应控制机制实现对网络流量的控制。在认知网络环境下,该架构可以构建QoS的自动感知、分析、关联、反馈、决策、配置和实施机制,进行资源的优化调整分配,适应网络环境的变化,优化网络端到端的性能,保证用户的服务质量。