首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   8篇
  免费   4篇
  国内免费   5篇
综合类   4篇
无线电   4篇
自动化技术   9篇
  2023年   2篇
  2022年   1篇
  2021年   1篇
  2014年   2篇
  2013年   4篇
  2012年   5篇
  2011年   1篇
  2008年   1篇
排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
基于动态流量的多拓扑链路权值优化算法   总被引:1,自引:1,他引:0  
针对网络流量动态变化和不同流量对拥塞控制和传输代价的要求不同的现象,提出一种基于小生境粒子群的多拓扑路由子层链路权值优化算法。该算法以适应网络流量动态变化为目标,设置了以时段划分的业务量矩阵和适应流量动态变化要求的权重因子。优化目标函数从拥塞代价影响和传输代价影响两方面进行了改进,并利用小生境粒子群算法对目标函数进行寻优,以解决一般优化算法存在的容易陷入局部最优的问题。实验结果表明,算法能够在网络中实现负载均衡。  相似文献   
2.
网络故障诊断中大量无关或冗余的特征会降低诊断的精度,需要对初始特征进行选择。Wrapper模式特征选择方法分类算法计算量大,为了降低计算量,本文提出了基于支持向量的二进制粒子群(SVB-BPSO)的故障特征选择方法。该算法以SVM为分类器,首先通过对所有样本的SVM训练选出SV集,在封装的分类训练中仅使用SV集,然后采用异类支持向量之间的平均距离作为SVM的参数进行训练,最后根据分类结果,利用BPSO在特征空间中进行全局搜索选出最优特征集。在DARPA数据集上的实验表明本文提出的方法能够降低封装模式特征选择的计算量且获得了较高的分类精度以及较明显的降维效果。  相似文献   
3.
为提高网络故障诊断系统的诊断精度,节约计算资源,针对需要处理的含有大量无关或冗余特征的数据,提出了一种基于杂交BPSO-SVM的网络故障特征选择算法.该算法采用封装器模式,以SVM的分类准确率和特征压缩比作为适应度函数来指导杂BPSO进行特征选择,将选择出的最优特征子集用于故障诊断.运用Kdd’99数据集的实验结果表明,杂交BPSO-SVM提高了诊断精度,降低了特征维数,可进一步提升网络故障诊断效果.  相似文献   
4.
针对网络中发生频率最高的单链路瞬时故障,提出了一种应用粒子群算法优化链路权值来增强网络可生存性的方法。引入费用函数对利用率过高的链路赋以惩罚性的高费用来避免链路过载,以网络在无故障场景下最高链路费用与单链路故障场景下最高链路费用的加权和作为目标函数,建立了优化算法模型,并应用粒子群优化算法求解最优权值。实验结果表明,算法求得的权值可以使网络在故障条件下保持较低的链路利用率,避免了因流量转移而造成网络拥塞,增强了网络可生存性。  相似文献   
5.
融合提升小波降噪和LSSVM的网络流量在线预测   总被引:1,自引:0,他引:1  
针对网络流量数据被噪声污染而无法进行准确建模与预测的问题,将提升小波降噪(LWD)技术和在线最小二乘支持向量机(LSSVM)相结合,提出了一种网络流量的集成式在线预测方法。该方法首先对采集的流量数据进行降噪,然后采用相空间重构理论计算流量的时延、嵌入维数,据此确定训练样本并建立在线预测模型,对网络流量数据进行预测。实验结果表明,该方法能有效滤除流量噪声,实现在线预测,提高预测精度。  相似文献   
6.
杨婷  孟相如  温祥西  伍文 《计算机应用》2013,33(9):2553-2556
针对支持向量机(SVM)训练不平衡样本数据产生最优分类面的偏移会降低分类模型泛化性的问题,提出一种基于Fisher类内散度平均分布比的分类面修正方法。对样本数据进行SVM训练后获得分类面的法向量;通过计算两类样本在该法向量方向上的Fisher类内散度来评价这两类样本的分布情况;依据类内散度综合考虑样本个数所得到的平均分布比重新修正最优分类面的位置。在benchmarks数据集上的实验结果说明该方法能够提高SVM分类模型在处理不均衡数据集时对于少数类的识别率,从而有助于提高模型的泛化性。  相似文献   
7.
现有残差比较等异常检测方法只能在突变阶段检测异常, 检测率较低。综合考虑网络流量中包含的所有特征, 对网络中的多种协议流量指标分别进行局部投影降噪处理, 将各流量分解为流量趋势部分和噪声流量部分, 以这两部分为参量通过支持向量数据描述建立检测模型, 并通过对样本的模糊化处理提高模型的泛化性。实验表明该方法适合于检测拒绝服务攻击引起的流量异常, 与传统的阈值比较方法相比能够获得更高的异常检测率和更低的误报率。  相似文献   
8.
小时间尺度网络流量混沌性分析及趋势预测   总被引:4,自引:0,他引:4       下载免费PDF全文
小时间尺度的网络流量的混沌性被噪声掩盖难以预测,本文通过局部投影降噪得到可预测的混沌性流量趋势.针对网络流量存在的时变性和长周期性,提出一种最优样本子集在线模糊最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)预测方法:以与预测样本时间上以及欧式距离最近的样本点构...  相似文献   
9.
为了提高流量预测的准确性,将混沌理论和在线LS-SVM回归技术应用于网络流量预测。采用相空间重构理论计算流量的时延τ、嵌入维数m,据此确定训练样本对并建立在线预测模型,对网络流量数据进行预测。结果表明,该方法能有效地进行流量预测,相对于传统的离线预测方式,该方法具有更好的预测精度。  相似文献   
10.
为了处理有限样本条件下的多类网络故障识别问题,提出了一种自适应质心距投影层次支持向量机。针对层次支持向量机固有的误差积累现象,该方法通过定义特征空间样本质心距投影度量类别离散程度,依据类别可分性优化偏态层次树结构;并设计基于自适应惩罚因子的补偿算法,修正由不平衡数据引起的分类超平面倾斜。实验结果表明,该方法具有较好的识别效果和效率,能够有效地抑制误差积累。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号