共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
自相似网络业务的一个FARIMA模型 总被引:6,自引:0,他引:6
近来发现,高速网络业务具有自相似及长相关特性,分数噪声可描述该类业务。但它仅表现长相关特性,给出了利用FARIMA模型拟合自似网络业务的一整套方法,该模型同时刻画了实际业务的长相关与短相关行性,通过对实测数据的实验, 模型的优效性。 相似文献
3.
网络并行计算系统是以网络为基础的并行计算系统。近年来随着Internet的迅速发展它引起了人们越来越多的关注。基于这种情况,本文首先对并行计算环境进行了抽象的分析和描述,并建立了一个网络并行计算模型,然后给出了一个基于移动Agent的计算模型实例。 相似文献
4.
5.
6.
引言 随着Internet的普及,越来越多的信息可以从网上获得。人们获取数据的方法也不再限于书本、文件。而单纯从网上取得数据文本的情况并不多见,很多数据是镶嵌在网页中。如何从网页中找到所需数据并存储到数据库中?这个需求逐渐变得重要。本文正是针对这个问题给出了一种解决方法。整个方法的实现是通过前台VB可执行程序与后台SQL Server 相似文献
7.
高速网络的自相似业务模型及其性能评价 总被引:6,自引:1,他引:6
文中介绍了90年代高速网络性能评价领域中一个重大发现,即真实的网络业务具有自相似性。传统的基于Markov模型的性能评价结果对自相似业务已不再适用,需要研制新的模型与工具。文中介绍了自相似过程的数学定义及其性质,讨论了重尾分布和诺亚效应及它们与自相似过程的关系,还介绍了几种生成自相似业务的方法和自相似业务模型下队列系统性能评价方面的研究成果。 相似文献
8.
1.引言随着Internet的迅速发展,用户对网络服务的需求变化快,在需要高带宽的实时多媒体通信和只需低带宽的无线移动计算两方面的需求都很显著。尽管Internet的带宽增长速度十分迅速,但由于目前Internet体系结构的限制,网络提供商无法针对用户需求变化而及时地提供相应服务,主动网络(Active Network)的出现为解决这一难题提供了新的思路。2.主动网络的产生背景及基本思想传统层次型网络体系结构,对等层间的通信需要采用相同的协议。为了能使各种计算机互联,就要制定一些标准协议。新协议要能广泛应用于Internet都需要一个前提:通过标准化过程成为一个标准协议。然而,满足用户新需求的新协议 相似文献
9.
基于Internet的网络学校浅析 总被引:3,自引:0,他引:3
Internet的出现使人类社会真正进入了信息社会,以互联网作为现代教育重要手段的网络学校,将给传统教育带来极其深远的影响。本文对基于Internet网络学校的产生背景、表现特点、发展现状等进行分析,指出了我国现今网络学校存在的问题,并对未来进行了展望。 相似文献
10.
11.
12.
基于FARIMA模型的网络流量预测 总被引:3,自引:0,他引:3
论文基于长相关特性的时间序列分析方法,采用FARIMA模型对网络自相似业务进行研究,利用“后向预报”技术对序列进行分形反滤波,在模型辩识、参数估计中利用粗、精估计结合的方法建立模型。选择伯克力实验室的经典实测数据,利用FARIMA模型进行H值估计、分数差分定阶及消除长相关性的操作,实验证明了模型的有效性。 相似文献
13.
根据实际网络中测量得到的网络流量数据,建立一个基于Elman神经网络的流量模型,介绍Elman神经网络的架构设计,并提出一种基于正交最小二乘的学习算法,在此基础上对网络流量进行预测。仿真实验结果表明,该模型具有良好的预测效果,相对于传统线性模型及BP神经网络模型具有更高的预测精度和更好的自适应性。 相似文献
14.
网络服务质量(QOS)参数研究 总被引:9,自引:0,他引:9
QOS参数定义是实现QOS控制的基础,但是ISO和ITU等组织定义的QOS参数之间存有不一致和不兼容的情况,直接影响QOS控制的有效实施。文中为此针对多媒体实时应用的特征,首次提出并定义运输层最小QOS参数集,指明了由OSI和ITU所定义的有关QOS参数均能用运输层最小QOS参数集中的参数或参数组合加以表示,该集合具有开放性和可管理性,它能成为实现不同QOS参数定义兼容的统一基础。 相似文献
15.
16.
Internet流量模型的研究 总被引:1,自引:0,他引:1
对于网络性能评价,一种有效的流量模型是不可或缺的,然而很难找到这种既简单又正确的模型。本文吸取了经验模型的TCP连接流量模型的优点,提出一种WWW流量模型。通过严格的仿真和模型验证,证明该模型与实际的流量吻合得很好,且易于实现。 相似文献
17.
18.
19.
20.
Accurate cellular network traffic prediction is a crucial task to access Internet services for various devices at any time. With the use of mobile devices, communication services generate numerous data for every moment. Given the increasing dense population of data, traffic learning and prediction are the main components to substantially enhance the effectiveness of demand-aware resource allocation. A novel deep learning technique called radial kernelized LSTM-based connectionist Tversky multilayer deep structure learning (RKLSTM-CTMDSL) model is introduced for traffic prediction with superior accuracy and minimal time consumption. The RKLSTM-CTMDSL model performs attribute selection and classification processes for cellular traffic prediction. In this model, the connectionist Tversky multilayer deep structure learning includes multiple layers for traffic prediction. A large volume of spatial-temporal data are considered as an input-to-input layer. Thereafter, input data are transmitted to hidden layer 1, where a radial kernelized long short-term memory architecture is designed for the relevant attribute selection using activation function results. After obtaining the relevant attributes, the selected attributes are given to the next layer. Tversky index function is used in this layer to compute similarities among the training and testing traffic patterns. Tversky similarity index outcomes are given to the output layer. Similarity value is used as basis to classify data as heavy network or normal traffic. Thus, cellular network traffic prediction is presented with minimal error rate using the RKLSTM-CTMDSL model. Comparative evaluation proved that the RKLSTM-CTMDSL model outperforms conventional methods. 相似文献