基于机器学习的日用气量预测及影响因素分析

基于物联网智能抄表技术获取的准确的居民日用气数据,采用机器学习方法实现居民日用气量的预测与影响因素评价。在采用LSTM模型对居民日用气量进行预测时,分别进行无特征预测(在预测过程中,不添加特征值)、特征预测,特征预测的精度比较高。在对居民日用气量的影响因素进行评价时,采用XGBoost模型,主要考虑小区外部特征(地理位置、物业费价格、容积率、房价、建造时间、绿化率、交通情况、教育特征)的影响,地理位置、物业费价格、容积率、房价、建造时间、绿化率的重要性靠前,其他小区外部特征的重要性不明显。     

分布式网络测量中测量节点的智能选择算法

大规模网络结构复杂,需要有针对性的网络监测方法。测量节点的自动选择必须在测量代价和覆盖范围之间进行权衡。合理地测量节点选择,能在获取全网性能状况的同时,有效减少测量给待测网络带来的带宽占用和软硬件资源消耗的影响。以最小化测量节点数量为目标,选择蚁群算法作为测量节点自动选择的基本算法,并通过对基本算法进行改进和创新,可形成一种针对分布式网络测量的测量节点智能选择算法。     

3G网络中移动视频质量评估模型的研究

随着3G网络技术的不断发展和广泛应用,移动视频业务比以往更受用户的关注。与传统的有线网络视频业务相比,移动视频的传输条件不太稳定,更容易产生误码;移动终端的视频播放性能更容易受到设备硬件的限制,这就要求有更适合移动终端的视频编码方式。此外,不同类型的视频内容、用户的兴趣爱好等因素也会对用户观看视频的体验产生不同的影响。以上因素给移动视频服务提供商在业务质量的评估以及用户体验的提升方面提出了巨大的挑战。目前在移动视频质量评估的研究中,主要采用基于服务质量(Quality of Service,QoS)的评价方法,但是这些方法没有考虑用户主观体验参与在内的诸多因素,因此并不是一种非常有效的评价方法。针对影响移动视频用户体验质量的主客观因素,研究了无线参数、终端设备参数和视频编码参数对移动视频质量的影响,提出了基于用户体验质量(Quality of Experience,QoE)的视频质量评价方法。     

基于混沌理论的网络流量性能评估

该文基于混沌理论提出了一种使用海量网络流量数据对大规模网络性能进行有效评估的方法。在长期链路利用率数据呈现出明显的周期性行为,和短期链路利用率数据具有混沌特征的前提下,选取最大Lyapunov指数作为一项性能评估参数来评估网络性能。分析结果表明最大Lyapunov指数较常见统计量如数学期望、方差等更能有效反映流量的行为趋势。     

基于云计算的分布式网络测量系统设计

随着互联网的迅速发展和IP应用的普及,网络性能状况越来越受到人们的关注.网络性能数据对于分析网络行为,解决网络故障,规划新业务等具有重要的参考价值.本文设计了基于云计算的分布式网络测量系统.利用Hadoop平台的可靠存储和并行计算能力,解决了海量数据安全存储和快速计算的问题.用户可以在系统中方便地部署各种测量算法,完成网络性能的测量和评估.     

一种提供虚拟数据增强Android安全性的方法

文章对Android权限机制进行研究,通过分析其中存在的问题,设计并实现了一个隐私保护模块控制应用程序对用户隐私信息的访问。此隐私保护模块通过提供虚拟数据,使不被用户信任的应用程序获得错误的用户隐私信息,以保护用户隐私信息的安全。     

基于模式识别的自适应时钟重置检测算法

为解决网络测量中因测量主机的时钟重置导致单向时延测量误差的问题,根据时钟重置发生的不定时性和发生次数未知的特征,提出了一种基于模式识别的自适应时钟重置检测算法（PRBA）。该算法基于模式识别中的最大最小距离聚类算法对单向时延测量值进行聚类,同时利用时间序列技术中的一种低通滤波器过滤出噪声区间,从而有效识别网络行为特征,自适应地检测时钟值瞬时调整方式的时钟重置。实验结果表明,与现有同类算法相比,该算法具有较高准确性和自适应性。