一种基于支持向量回归的互联网端到端延迟预测算法

互联网端到端延迟是指IP分组沿着互联网中一条确定路径进行传输的延迟,端到端延迟的精确预测是大量网络活动的基础,从网络协议设计到网络监测,再从确保端到端QoS性能到各种实时业务性能提升。提出一种新的端到端延迟的预测方法,主要贡献有:a)将互联网端到端延迟预测的问题转换为多元回归的预测问题,提出了基于多元回归的端到端延迟预测框架;b)采用支持向量回归SVR方法来求解端到端延迟的多元回归问题,提出了基于SVR的互联网端到端延迟预测算法。最后使用互联网采集的RTT数据来验证提出的算法,实验结果表明,提出的预测算法具有快速和精确特点,是一种适合实际应用的预测算法。     

基于粒子群优化的高光谱影像端元提取算法

回顾了粒子群算法的基本原理,分析了端元提取算法的两种技术途径。利用粒子群优化的原理,结合凸面几何学理论和线性光谱混合模型,设计了一种粒子群优化端元提取算法,并设计了算法的快速实现方法。该算法不需要假设影像中存在纯像元,同时保持了端元光谱的形状。利用模拟数据和AVIRIS影像对该算法、SGA算法和NMF算法进行实验对比分析,实验结果证明该算法的端元提取精度优于其他二者。     

移动Ad Hoc网络中基于链路质量预测的多路径源路由算法的研究

在移动Ad Hoc网络中,数据传输的端到端延时是衡量网络性能的重要指标[1],为了减少因节点移动而导致的链路中断,本文提出了一种基于底层信号质量进行路由状态预测的多路路由算法,它改进DSR路由的单一路径传输方式,减少路由发起的次数,仿真实验证明该算法改善了数据传输的端到端延时,并减少了路由控制开销。     

基于EDF调度算法的端到端延迟保证方法

EDF(EarliestDeadlineFirst)是一种高效的调度算法。为了将其应用于提供端到端延迟保证,提出了一种新的算法JT-EDF(JitterTunableEDF),并证明了所有的端到端EDF调度算法都可以在相同的条件下保证相同的端到端延迟界。     

无线传感器网络联合安全路由和功率分配优化算法

无线传感器网络因其能量和计算能力受限,所以无法直接使用传统的信息安全算法。基于物理层安全技术,针对解码转发及窃听者处于非共谋模式下的无线传感器网络,提出了一种联合功率分配和安全路由算法(JPASR)。该算法首先在假定已知路由的前提下,以最大化端到端安全连接概率为目标,计算得到一种功率分配的条件,然后以该条件和端到端误码率要求为约束,以最小化端到端总功率消耗为目标建模,进一步求解得到一种具体的功率分配方法和路由方法。仿真结果表明,JPASR算法相较于已有的算法,不仅提高了网络的安全连接概率,而且降低了系统总功率消耗。     

基于EDF调度策略的端到端实时系统可调度性分析算法

端到端实时任务调度模型可用于描述许多分布式实时系统.提出一种基于EDF调度策略的端到端实时任务调度模型,给出了端到端实时系统的可调度性判定条件,并提出其可调度性分析算法,该可调度性判定条件及可调度性分析算法适用于采用非连续工作型同步协议和连续工作型同步协议控制下的端到端实时系统.与固定优先级的端到端实时任务调度模型及其算法相比,基于EDF调度策略的端到端实时任务调度模型和算法更加简单和易于实现,仿真结果也表明具有较高的性能.     

一种最小阈值适应性预测算法

本文描述了在分布式虚拟环境AIMNET系统中提出的一种最小阈值适应性位置预测算法。AIMNET系统是南京大学自主开发的分布式虚拟环境,其通讯机制具有匿名性。在对分布式虚拟环境位置预测方法的研究基础上,根据算法阈值与实体间距离的关系,提出一种最小阈值适应性预测算法。试验表明,该算法与传统的位置预测算法相比,较好地解决了仿真实体运动轨迹的准确性和网络代价之间的矛盾,并且满足消息传递的匿名性。     

基于改进协同过滤算法的用户页面兴趣度预测研究

根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法可通过在网络日志文件中提取显性用户评分数据存在的虚假评分,发现用户页面兴趣度和其影响因素。MATLAB仿真结果显示：提出的基于改进协同过滤算法的用户页面兴趣度测量方法可有效克服海量数据的稀疏性,在预测准确性、测量速度方面都有很大提高。     

加密MANET端到端流的推断与识别研究

根据数据流的帧发送时序特性, 提出一种基于时序匹配和关联分析的端到端流推断算法。采用时序匹配、关联分析、流追踪与回溯等机制, 分析与追踪探测区域内的所有端到端流。该算法能够在无须解密报文的前提下进行流量分析, 推断出端到端流的源、目的节点、流路径、流开始时间和流持续时长等信息。仿真实验表明, 算法可以有效识别网络中的端到端流。     

基于拉格朗日的高光谱解混算法研究*

针对混合像元分解误差问题,提出一种基于拉格朗日算法的高光谱解混算法。通过变分增广拉格朗日算法提取出部分端元,由于端元组中存在相似端元影响解混精度,利用基于梯度的光谱信息散度算法进行光谱区分,除去相似端元。通过对得到的端元进行排序,依次增加端元进行光谱解混,将满足条件的端元增加进端元组,最终得到优选端元。该方法不仅有效去除了相似端元的干扰,而且不需要不断搜索端元的组合,根据每个端元对于混合像元的重要性做出相应次数的非限制性最小二乘法计算,得到更精确高光谱端元的子集,该方法对高光谱混合像元解混的效率以及可靠性均有所提高。     

基于BP-DBN的认知网络端到端态势评估算法

文中提出了一种基于BP-深度信念网络（ BP-DBN）的端到端态势评估算法,实现网络端到端态势等级判定。基于提出的分布式态势评估架构,使用BP-DBN分别构建认知域网元评估值、局部态势评估值和端到端态势评估值三者间的映射关系,最后实现端到端态势等级定性评估。实验结果表明,基于少量标记训练样本,BP-DBN测试错误率低,能够保证评估准确性,同时提出的评估算法能够有效评估端到端网络态势等级。     

车辆网络单跳链路断开时间预测算法

将修复性路由协议与车辆网络环境相结合,提出一种利用折点时间计算链路断开时间的预测算法。建立从当前速度匀减速到零和匀加速到最大速度运动的2种加速模型,在3个时间区间内讨论2辆车的运动情况,通过经验预测因子和环境预测因子改进加权预测算法。实验结果表明,该算法可使预测准确率提高12.8%。     

无线多媒体网络中端到端自适应QoS保证

无线网络中较高的信道误码率和不稳定的可用带宽等因素给多媒体传输服务质量(QoS)保证带来了新的挑战．该文提出了一种基于二级反馈的两层自适应QoS保证方法，即应用层QoS和传输层QoS，提出了将应用层的最小流速率λmax和最大帧错误率Emax两个QoS参数映射到传输层的最大端到端帧延迟Dmax的计算公式．在应用层提出了自适应节的系统资源的分配公式、自适应QoS调节算法A和算法B．在传输层提出了保证端到端帧延迟Dmax的包长计算公式，给出了自适应包长调节算法．     

ESSDRR调度算法的性能仿真与分析

鉴于已有的分组调度算法难以同时满足良好的QoS保证特性和算法的低复杂性,结合WF2Q和DRR两种算法的优点,提出了一种基于均匀服务序列的DRR算法——ESSDRR(Even Service Sequence-based Deficit Round-Robin)。为了评价其优劣性,在同一仿真条件下利用NS2对该算法以及三个类似算法做了大量仿真实验,主要考察并比较了各算法的端到端时延、短期吞吐率等性能指标。实验结果显示,ESSDRR具有良好的公平性、低时延特性及较低的复杂性。     

控制端到端传输延迟抖动的改进TFRC算法

针对端到端实时通信业务对于网络传输的要求,提出基于速率控制的TCP友好性拥塞控制策略(TFRC)的一种改进算法——TFRC-CJUTD算法。该算法将单向传输延迟的抖动作为反馈信号来改进控制机制,降低业务传输过程中的单向传输延迟抖动,更好地适应实时业务。通过NS仿真验证,该算法取得较好的效果。     

一种速率自调节可用带宽测量算法

可用带宽是网络路由、网络服务质量、流量工程等方面的一个关键参数。目前很多研究方法都基于PGM模型和PRM模型,但这两种方法大都假设背景流量速率为固定比特流,不适用于低带宽的测试。提出一种端值自调节可用带宽测量算法,该算法充分考虑了低链路带宽的情况。通过对排队延时的处理、探测分组列速率端值自适应调节,实现了端到端可用带宽快速准确的测量。实验结果表明,该算法具有良好的测量效果,尤其在低带宽条件下较其它同类算法提高了测量准确性,加快了测量速度并减小了对网络的影响。     

基于端到端深度学习的智能车自动转向研究*

为解决由图像直接计算出控制量的端到端深度学习算法中感知器和控制器难以区分的问题,对其网络结构进行了改进。通过预训练一个自编码器,得到良好的道路特征编码后,将编码器作为感知器和和转角预测控制器一起进行端到端的训练。训练结果表明,改进后的自动转向网络模型收敛的更快,预测的角度在测试集上能较好的跟随实际角度变化而变化。利用解码器和特征图反向传播法分别还原出道路图片,可视化了该自动转向模型重点关注的道路特征。     

基于路由数目的通信链路重要性分析

为了分析通信网络中通信链路对端到端通信的重要程度,提出一种基于路由数目的链路重要性计算方法。该方法采用一种快速算法,寻找出端到端的所有通信路由,再通过比较不同通信链路的损坏使端到端之间传输路由减少的数目,判断不同通信链路对端到端通信的重要性,如果某通信链路损坏导致路由减少越多,则该链路越重要。计算实例表明,该方法计算简单,易于编程实现,具有一定的实用性和有效性。     

结合共同邻居贡献度的节点相似性链路预测算法

链路预测是复杂网络的一个重要研究方向,基于节点相似性的链路预测方法是最为常用的一种方法。目前大部分使用节点链接紧密度的节点相似性链路预测方法,未考虑每个共同邻居节点的差异性,即不同的节点对连边的贡献度是不同的。本文提出一种结合共同邻居节点之间的节点贡献度和链接紧密度的链路预测算法。该算法首先计算共同邻居节点之间的链接信息作为节点的链接紧密度,再定义耦合度聚簇系数表示共同邻居节点贡献度,最终将二者结合。在实际数据集上的实验结果表明,该算法比4种经典的链路预测算法（CN,AA,RA和Jaccard）和基于节点链接密度的算法CNBIDE具有更好的预测精度。     

无线多跳网络安全路由算法

针对窃听者相互合作下的无线多跳网络,提出一种考虑物理层安全的路由算法.该算法在假定未知窃听者位置及其信道状态信息(CSI)的前提下,得到系统端到端安全连接概率(EESCP)表达式,通过最大化网络EESCP,得到一种使用传统Bellman-Ford算法即可实现的最短路径路由算法,并在此基础上进一步提出一种改进的Bellman-Ford算法.仿真结果表明,所提出的算法不仅适应于不同规模的网络,而且相较于传统算法能够极大地提高网络的安全性能.