新型Elman混沌神经网络的流量预测

根据实际网络中测量得到的网络流量数据,提出一种改进型Elman神经网络模型——季节性输入多层反馈Elman网络。在网络权值的训练过程中引入混沌搜索机制,利用Tent映射的遍历性进行混沌变量的优化搜索,以减少数据冗余,解决局部收敛问题。实验结果表明,该模型及其算法有效提高了网络的训练速度及网络流量的预测精度。     

基于Improved-HMM的进程行为异常检测

针对传统隐马尔可夫模型(HMM)状态转移概率仅与前一状态有关的不足,提出了一种改进的隐马尔可夫模型(Im-proved-HMM),该模型考虑到状态转移概率与前两时刻状态相关,旨在提高异常检测准确率。用基于Improved-HMM的Baum-Welch(BW)算法对正常进程行为进行建模,并采用滑动窗口的方法,检测进程行为是否处于异常状态。实验结果表明,该模型的检测准确率高于传统的HMM模型,能及时、准确检测到进程行为的异常。     

基于短相关ARIMA模型的网络流量预测

不同日期同一时刻的网络流量存在相关性和突发性。为准确预测网络流量,提出一种短相关ARIMA模型。对模型定阶后,运用改进的建模方法推导模型参数,使参数随样本数据的变化而更新。实验结果表明,与AR模型和ARIMA模型相比,该模型能更好地描述网络的相关性和自相似性,预测精度较高。     

基于碰撞识别的优先级仲裁策略

针对单一信道下可用资源的分配问题,提出了基于碰撞识别的优先级仲裁策略,在研究了曼彻斯特编码特点的基础上,设计了一种新的编码方案,推导了优先级生成的模型,分析了仲裁的效率。仿真结果表明,在采用基于时分复用的MAC协议的前提下,同传统的逐节点询问方式相比,仲裁时间缩短为原来的四分之一。     

网络测量及流量采集技术综述

对网络测量进行了定义,描述了网络测量的功能以及网络测量的方法,介绍了RFC中定义的网络性能度量值的概念,最后对网络流量测量中经常用到的流量采集技术进行了分析和比较.     

对于IPv6网络中服务质量的研究

随着Internet的迅速发展,新型的网络应用对QoS的需求日益迫切,为了使网络能够支持已有的和新出现的多媒体服务与应用,保证通信与服务质量,让网络运营商控制网络资源及其使用,对于QoS的研究越来越重要。首先介绍QoS的相关概念,然后比较IPv4和IPv6对于服务质量的不同支持并具体研究IPv6下对于支持QoS机制的改进。     

基于Voronoi图划分的节点模糊信息定位算法

针对基于接收信号强度的无线传感器网络节点定位算法精度低的问题,提出一种基于Voronoi图划分的节点模糊信息定位算法。根据锚节点个数对定位区域进行Voronoi图划分,将整个定位区域划分为不同的Voronoi区域,同时获得各个Voronoi区域的顶点坐标。使用高斯滤波方法筛选出可以作为参考节点的顶点坐标,通过顶点坐标和锚节点联合定位未知节点。利用模糊信息定位方法计算出未知节点的最终位置。实验结果表明,相比M ANLFI算法和FINL-DT算法,该算法能够有效提高节点定位精度,降低网络能耗。     

一种基于CSI的高鲁棒性步态识别方法

针对目前的室内人员步态识别方法存在计算量大、设备成本高、鲁棒性低等问题,提出一种基于信道状态信息的高鲁棒性室内人员步态识别方法WiKown。通过快速傅里叶变换设置能量指示器监测人员行走行为,将采集的CSI步态数据经滤波与降噪处理后以滑动窗口的方式提取特征值,得到人员步态的CSI信息后建立观测序列,最后通过高斯分布叠加拟合后引入隐马尔科夫模型计算观测序列概率,生成步态参数模型。在走廊、实验室和大厅真实多人环境中,WiKown方法对单人步态的平均识别率达到92.71%。实验结果表明,与决策树、动态时间规整和长短时记忆网络方法相比较,该方法能有效地识别出人员的步态信息,提升了识别精度和鲁棒性。     

一种信道状态信息下的复杂动态手势识别方法

传统动态手势识别方法中存在硬件成本高,推广难度大等局限性.文章提出一种基于信道状态信息的复杂动态手势识别方法CSI-Num,该方法可用来实现对空中数字手势的高效识别.CSI-Num识别过程主要分为两个阶段:数据提取处理阶段与手势匹配识别阶段.提取处理阶段,是将采集到的数据,选取能够反映手势动作的子载波特征值作为被选信号,通过小波阈值函数和五点三次平滑方法对信号进行降噪平滑;匹配识别阶段,提取有效手势数据,使用k均值聚类算法和动态时间规整算法特性相融合的K-DTW匹配算法识别出不同数字的手势动作.实验结果表明,针对不同环境的室内场景,相应地调整参数设置,CSI-Num可以高效地识别出不同数字的手势动作,且具有较高鲁棒性.