基于ARMA-RESN的网络流量预测

为了获得更加理想的网络流预测结果,融合回声状态网络和自回归移动平均模型的优点,提出一种基于ARMA-RESN的网络流量预测模型。分别采用自回归移动平均和回声状态网络对网络流量线性变化特征和非线性变化特性进行建模与预测,对自回归移动平均和回声状态网络的预测结果进行融合,得到网络流量的最终预测结果,最后采用具体网络流量数据以及多个对比模型进行了仿真实验。仿真结果表明,相对于其他网络流量预测模型,ARMA-RESN不仅提高了网络流量的预测精度,而且具有更好的鲁棒性。     

遗传算法优化BP神经网络的混沌时间序列预测

为提高BP神经网络预测模型对混沌时间序列的预测精度,将改进的遗传算法和BP神经网络结合,提出了一种基于改进遗传算法优化BP神经网络的混沌时间序列预测方法。利用改进的遗传算法优化BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。将该模型应用到几个典型的非线性系统进行预测仿真,验证了该算法的有效性,与BP神经网络预测模型的预测结果进行了比较,仿真结果表明该方法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度。     

基于强化学习的网络流量非线性多步预测方法

网络流量具有分形特性,用线性方法来预测非线性的网络流量,预测精度不高.为了提高测性能,提出了网络流量的非线性多步预测同题,利用一种结合分形神经网络、强化学习的非线性多步预测方法,用多重分形性质将网络流量序列分解为短相关序列,设计了一种强化学习神经网络(MRLA)流量预测模型,利用强化学习的Q算法训练BP神经网络,预测尺度系数、计算权值,最后构建MRLA网络进行仿真,预测网络流量.实验分析显示,相对MMLP网络,新预测方法具较好的多步预测性能.     

ARIMA模型在网络流量预测中的应用研究

针对网络运行安全和可靠的要求,研究网络流量预测问题.网络流量具有高度自相似、时变性和非线性等时间序列特征,传统预测方法无法捕捉其时变性和自相似规律,导致预测精度比较低.为了提高网络流量的预测精度.在分析网络流量特征的基础上,提出一种基于ARIMA模型的网络流量预测方法.先采用差分法对网络流量原始数据平稳化处理,提取网络流量数据的自相似特征.然后将平稳后的数据利用能很好反映时变性和非线性的ARIMA模型对进行拟合和检验,建立网络流量的最优预测模型,最后根据获得最优预测模型对嗍络流量实例数据进行仿真预测.仿真结果表明,ARIMA模型的网络流量预测精度比其它预测模型要高,能够很好的反映网络流量的规律,在网络流量预测中有广泛应用前景.     

基于改进回声状态网络的网络热点话题预测

网络热点话题具有时变性和非线性,灰色、负面热点话题对社会稳定产生不利影响。为了提高网络热点话题的预测精度,提出一种基于改进回声状态网络的热点话题预测模型(MESN)。首先构建网络热点话题的学习样本,然后采用回声状态网络建立网络热点话题预测模型,并利用改进粒子群优化算法对回声状态网络参数进行优化,建立最优网络热点话题预测模型,最后应用具体网络热点话题数据进行仿真实验。结果表明,该模型不仅提高了网络热点话题预测精度,而且加快了网络热点话题的建模速度,可以满足网络热点话题在线预测。     

基于组合模型的网络流量预测

网络流量预测是网络管理的基础,网络流量受到多种因素影响,具有周期性、时变性和非线性,传统单一线性模型ARIMA或非线性模型SVM均难以准确描述网络流量复杂变化规律,为此,提出一种网络流量组合预测模型（ARIMA-LSSVM）。采用ARIMA对网络流量进行预测,捕捉其周期性变化趋势,采用LSSVM对网络流量非线性变化趋势进行预测,同时采用遗传算法对LSSVM参数进行优化,采用LSSVM两种预测结果进行融合,得到网络流量的最终预测结果。仿真实验结果表明,相对于单一网络流量预测模型,ARIMA-LSSVM提高网络流量预测精度,更能全面刻画网络流量变化趋势。     

自回归与神经网络组合的网络流量预测模型

网络流量具有时变性和非线性,单一预测方法难以准确描述网络流量变化规律,为提高网络流量预测准确率,提出一种网络流量组合预测模型(ARIMA-BPNN);首先采用ARIMA对网络流量进行预测,然后采用BPNN对网络流量非线性变化规律进行预测,且遗传算法优化BPNN初始权值,最后将两者预测结果作为BPNN输入进行二次预测,得到ARIMA-BPNN预测结果;仿真实验结果表明,相对于ARIMA、BPNN,ARIMA-BPNN提高网络流量预测精度,在网络管理中有着广泛的应用前景。     

改进回声状态网络的热点话题预测模型

为了提高网络热点话题的预测精度,针对传统回声状态网络存在的不足,提出一种改进回声状态网络的网络热点话题预测模型。首先将一维的网络热点话题时间序列重构成多维时间序列,然后采用改进回声状态网络对多维时间序列进行学习,建立网络热点话题预测模型,最后对模型性能进行仿真测试。结果表明,改进回声状态网络可对网络热点话题的变化趋势进行准确刻画,网络热点话题的预测精度得以提高,而具有更好的应用价值。     

网络流量的非线性组合预测模型应用研究

研究网络优化管理问题,网络流量具有趋势性、周期性和非线性,传统预测模型只能反映网络流量变化的片段信息,难以获得高精度的网络流量预测结果。为提高网络流量预测结果,提出一种非线性组合的网络流量预测模型。首先采用单一模型ARIMA、ARMA、GM(1,1)对网络流量各特征进行预测,然后将三种预测结果输入到支持向量机进行融合,得到网络流量的最终预测结果。仿真结果表明,与传统网络流量预测模型相比,改进的非线性组合预测模型能够较好的反映网络流量的复杂变化规律,从而提高了网络流量的预测精度。     

遗传算法优化延迟时间和嵌入维的网络流量预测

为了提高网络流量的预测精度,利用延迟时间（τ）和嵌入维（m）间的联系,提出一种遗传算法优化τ、m的网络流量预测模型（GA-PSR）。将τ和m作为遗传算法的个体,以网络流量预测精度作为目标函数,通过选择、交叉、变异等操作找到最优τ和m值,重构网络流量序列,采用BP网络对网络流量建立单步、多步预测模型。仿真实验结果表明,相对于对比模型,GA-PSR提高了网络流量的预测精度。     

新一代遥测网络系统及其传输组网方式研究分析

对新一代遥测网络系统(TmNS)进行了研究,对系统的组成框架结构进行了分析;新的遥测网络系统通过新增加远程、宽带数据链路部分,使得遥测网络系统具备了下行遥测传输能力,系统因此可以进行双向数据传输,而遥测网络数据的传输与控制需要在一定的约定规则下进行,对遥测网络系统的控制欲联网协议进行了分析研究,提出了关键的几项用于新一代遥测网络系统的控制与联网协议,为飞行试验遥测网络系统中试飞数据传输提供统一规则.     

协同级联网络和对抗网络的目标检测

识别多尺度目标和遮挡目标是目标检测中的重点和难点。为了检测不同大小的目标,目标检测器通常利用卷积神经网络(CNN)的多尺度特征图层次结构,然而这种自顶向下的结构由于底层特征图的卷积层较小,缺乏获取小目标特征所需的细节信息,这些目标检测器的性能受到了限制。为此,结合Faster R-CNN框架提出Collaborative R-CNN,设计了一种级联网络结构,可以融合多尺度特征图,以生成深度融合的特征信息来增强小目标所需的细节特征,从而提高检测小目标的能力。此外,由于使用RoIPooling过程中的量化会对小目标检测造成极大的限制,为进一步提高方法的鲁棒性,设计了多尺度RoIAlign来消除这种量化,并通过多尺度的池化来提高网络检测不同尺度目标的能力。最后,将对抗网络与所提出的级联网络相结合,生成包含遮挡目标的训练样本,可显著提高模型的分类能力和识别遮挡目标的鲁棒性。在PASCAL VOC 2012和PASCAL VOC 2007数据集上的实验结果表明,提出的方法优于许多先进的方法。     

基于网络编码的无线网络重传技术

为提高无线网络数据传输效率,减少数据包丢失重传次数,提出一种基于网络编码的丢包重传方法。将网络编码技术应用到无线网络重传过程中,当有数据包丢失时,发送方重传经过网络编码的组合数据包。根据解码规则,网络节点从组合数据包中恢复丢失的数据。理论分析和模拟实验结果表明,该方法能够有效减少重传数据包的次数,提升无线网络编码性能。     

CDN中基于节点度的网络编码策略

在使用网络编码的基于重叠网络的内容分发网络中,针对节点的选择问题,提出使用节点度所决定的概率来选择邻居节点的策略,仿真实验结果表明,该策略可以改进对网络中节点间带宽的利用率,加快内容分发的过程,与现有策略相比,各种性能都有不同程度的提高。     

通信网技术的发展及其市场预测

本文详细地评述了发展通信网所涉及的一些关键技术以及国外通信网的现状和发展趋热;并简要地介绍了我国通信网的发展情况;最后,对通信网市场进行了预测。     

有环网络编码关键理论问题研究

同无环网络编码研究相比,有环网络编码的理论存在更多研究空白.在实际网络中,网络编码信息流很可能交错形成环路,造成环路中链路之间逻辑因果关系混乱,时延的引入成为必须.因此,有环网络中网络编码呈现出与无环网络中不一样的特性.由于有环网络编码是网络编码实用化研究的一个关键和难点,而且有环有时延网络更接近实际网络情况,因而有环网络的研究具有较大理论和实用意义.本文从有环网络编码的数学理论框架、有环网络编码容量、码构造算法、多源有环网络编码等几个方面综述了有环网络编码的研究现状和需要进一步研究的方向.     

带内网络遥测方法综述

网络测量是网络性能监控、流量管理和故障诊断等场景的基础.带内网络遥测由于具有实时性、准确性和扩展性等特点使其成为当前网络测量研究的热点.随着可编程数据面的出现和发展,丰富的信息反馈和灵活的功能部署使得国内外学者提出许多具有实用性的带内网络遥测技术方案.首先分析了典型的带内网络遥测方案INT和AM-PM的原理和部署挑战.根据带内网络遥测的优化措施和扩展角度,从数据采集流程和多任务组合方面分析了优化机制的特点,从无线网络、光网络和混合设备网络等方面分析了技术扩展的可行性.根据带内网络遥测在典型场景的应用,从网内性能感知、网络级遥测系统、流量调度和故障诊断几个方面对比分析其在不同场景应用特点.最后,对带内网络遥测研究进行总结,展望了未来的研究方向.     

天地一体化网络关键技术研究综述

作为地面网络的补充和延伸,卫星网络有助于加速弥合区域间的数字鸿沟,扩展地面网络的覆盖和服务范围.然而卫星网络拓扑动态性高、传播时延大、星上计算能力和存储能力均受限,因此实现卫星网络与地面网络的有机融合,构建覆盖全球的天地一体化网络面临路由扩展性、传输稳定性等技术挑战.针对天地一体化网络的研究挑战,从网络架构、路由、传输和基于组播的内容分发等方面介绍了国内外的研究现状,并展望了天地一体化网络的发展趋势.     

RNN和Hopfield两网络中的优化解法的对比研究

基于一种动态随机神经网络(DRNN)求解典型NP优化问题TSP的改进算法，在理论上对DRNN与连续的Hopfiled网络(CHNN)进行了对比研究，指出虽然两种网络均以能量函数表达TSP的最优路径，并通过训练反馈网络求得路径解，但由于两者所用激活函数和收敛条件不同，使得DRNN网络能够接受能量函数的小波动，从而跳出局部最小值达到全局最优；此外，DRNN与CHNN相比网络训练对参数变化不敏感，参数设置简单。最后，通过仿真实验对随机坐标十城市使用两种网络对比路径寻优能力，进一步验证理论分析的结论。揭示RNN网络和CHNN网络在求解TSP时各自的优缺点。     

基于NS的移动网络仿真研究

仿真技术在现代通信网络设计中的作用越来越大,为了在仿真环境下对网络协议进行性能评价,必需对仿真结果进行有效的分析和处理。文中通过介绍网络仿真软件NS体系结构及安装过程,并结合具体仿真实例,着重讨论了其在移动网络仿真过程中的应用。在分析NS的跟踪输出格式的基础上讨论了仿真结果的处理,这对于NS软件的使用及网络协议的研究具有较强的实用价值。