排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
一种面向对象的被管网络资源的管理维护模型 总被引:2,自引:0,他引:2
使用面向对象的方法将网络管理信息抽象为两个层次-被管对象层和网管对象层,其中被管对象层是对被管网络资源的抽象,并给出了被管对象,被管对象语义的定义,分类和描述,设计了基于被管对象语义对被管对象进行管理和维护结构模型。 相似文献
2.
本文较全面地介绍了意大利C401剑杆织机主要性能和工艺参数,并从生产实际出发提出有关参数确定方法及合理的使用范围,同时从理论上分析了剑杆交接纬线的原理和有关注意事项. 相似文献
3.
大业务流识别是网络监控、管理以及计费等的重要基础,网络管理者通常会对大业务流给予特别的关注.大业务流识别需要在一定识别精度的基础上有效降低资源消耗.基于PLC(probabilisticlossy counting)方法,提出了一种概率衰落的大业务流识别方法PFC(probabilistic fading counting).该方法吸取了数据流计数技术的优势,通过分析网络流量的幂律(power-law)特性和连续性,采取加快对表记录中非活动流移除力度的方式,在有效控制漏报和误报的同时,大幅度降低了存储资源开销,实现了在有限资源下对高速链路实时准确的大业务流识别.实验结果表明,与PLC方法相比,PFC方法在减小误报率的同时,存储资源开销平均降低60%以上. 相似文献
4.
5.
基于增量式GHSOM神经网络模型的入侵检测研究 总被引:3,自引:0,他引:3
传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别网络上新出现的攻击类型.这样的入侵检测系统存在着建立系统的速度慢、模型更新代价高等不足,面对规模日益扩大的网络和层出不穷的攻击,缺乏自适应性和扩展性,难以检测出网络上新出现的攻击类型.文中对GHSOM(Growing Hierarchical Self-Organizing Maps)神经网络模型进行了扩展,提出了一种基于增量式GHSOM神经网络模型的网络入侵检测方法,在不破坏已学习过的知识的同时,对在线检测过程中新出现的攻击类型进行增量式学习,实现对入侵检测模型的动态扩展.作者开发了一个基于增量式GHSOM神经网络模型的在线网络入侵检测原型系统,在局域网环境下开展了在线入侵检测实验.实验结果表明增量式GHSOM入侵检测方法具有动态自适应性,能够实现在线检测过程中对GHSOM模型的动态更新,而且对于网络上新出现的攻击类型,增量式GHSOM算法与传统GHSOM算法的检测率相当. 相似文献
6.
7.
全网异常流量簇的检测与确定机制 总被引:3,自引:0,他引:3
在网络安全管理领域,自动确定异常流量簇可为ISP分析和定位全网流量异常提供有效手段.提出了一种基于过滤的网络流数据的全网异常流量簇检测及确定机制.给出了问题的形式化描述和定义;扩展和改进了基于多维树的大流量簇检测方法,提出了灵活的"检测阈值"及"分裂值"的计算方法以改善大流量簇的检测精度;通过剪枝算法缩减了树的规模,提高了查找大流量簇的效率;给出了基于大流量簇确定异常流量簇的方法.实验表明该方法是可行的,可应用于全网异常诊断. 相似文献
8.
基于类别分布的特征选择框架 总被引:6,自引:0,他引:6
目前已有很多种特征选择方法,但就目前所知,没有一种方法能够在非平衡语料上取得很好的效果.依据特征在类别间的分布特点提出了基于类别分布的特征选择框架.该框架能够利用特征的分布信息选出具有较强区分能力的特征,同时允许给类别灵活地分配权重,分配较大的权重给稀有类别则提高稀有类别的分类效果,所以它适用于非平衡语料,也具有很好的扩展性.另外,OCFS和基于类别分布差异的特征过滤可以看作该框架的特例.实现该框架得到了具体的特征选择方法,Retuers-21578语料及复旦大学语料等两个非平衡语料上的实验表明,它们的Macro 和Micro F1效果都优于IG, CHI和OCFS. 相似文献
9.
P2P流媒体系统服务器部署的优化设计 总被引:2,自引:0,他引:2
P2P流媒体系统中,内容服务器提供源数据并驱动数据扩散,是系统的重要组成部分,其部署方案会影响整个系统的流量变化.分析了服务器的优化部署问题,从服务器负载均衡、主干网内流量最小和调度代价最小3个优化目标建立系统模型,并给出了各个优化目标的算法实现,包括基于负载均衡的贪心算法和基于0-1规划的分支定界算法.最后,通过仿真实验验证了服务器部署方案对系统的影响,实验结果表明不同的优化目标满足了不同的部署需求. 相似文献
10.