一种基于模糊逻辑的被动测量自适应抽样算法

结合被动抽样测量系统的特殊性，分析了模糊逻牟译控制理论应用于被动测量系统统抽样算法上的可行性，仿真结果表明，基于模糊逻辑控制理论的自适应抽样算法能够动态地调整被动测量系统地抽样间隔，使网络测量准确度和计算机资源费用达到优化。     

网络自适应公平分组抽样算法研究

针对SGS(sketch guided sampling)的缺陷,提出了一种网络自适应公平抽样算法.根据抽样分组估计出值流量大小,并依据该值调整抽样比,使之适应于流量变化,从而达到对各种流的公平抽样的效果.对算法的相关性质进行了证明与分析,基于实际互联网数据进行了实验比较,实验结果表明,该算法具有准确性、自适应性、易于工程实现等优点.     

高速网络流量测量方法

高速网络流量测量是目前实施实时准确地监测、管理和控制网络的基础.基于网络流量测量的应用,将网络流量测量分为抽样方法和数据流方法.从不同的层次,将抽样方法分为分组抽样和流抽样,分别介绍了两类抽样方法;从测度角度介绍了数据流方法.详细介绍了高速网络流量测量的常用数据结构,以及抽样、数据流方法在高速网络流量测量中的应用,比较了各种方法的优劣.概述了高速网络流量测量技术的研究进展.最后,就现有的网络流量测量方法的不足,对网络流量测量的发展趋势和进一步的研究方向进行了讨论.     

双机协作的抽样测量与多次抽样技术研究

阐述了掩码匹配抽样的基本原理,给出了抽样获取Intranet出口流量的基本方法和拓扑结构;为实现长时间的连续抽样测量,设计并用Java 语言实现了两台测量主机之间的协作算法;为逐步而平滑地减少部分数据而不造成原始流量性质失真,提出了基于掩码匹配的多次抽样方法,通过对流量数据的分析表明,多次抽样前后报文的长度分布及协议分布一致。     

流量抽样关键技术研究

网络管理和监控是网管系统和流量工程的重要组成部分.随着网络的高速发展,实时有效的流量抽样技术对网管系统和网络监控系统越来越重要.传统的网络流量测量是对链路上通过的所有报文进行都捕获和统计的方式进行的.随着网络技术的发展,传统的流量测量方法会对测量设备产生很大的开销,因而变得不再实用.为了解决上述问题文章对现有网络流量监测技术进行研究,首先对流量测量方法和流特征进行介绍,然后介绍了现有抽样技术的种类以及现有抽样技术的研究现状,最后介绍了三种具体的自适应抽样技术.     

基于多波动尺度的两层包级自适应抽样

在高速Internet链路的流量测量中,包抽样技术能有效减少被测数据量以节省各种可用资源。文章关注如何提高流量突发和波动周期的抽样精度,提出了一种基于多波动尺度的两层包级自适应抽样方法。该方法能够根据当前流量的突发频度和波动性动态调节每包抽样概率,调节粒度精细。通过在真实流量跟踪下与静态随机抽样方法的对比,两层自适应抽样方法显示了较强的实时捕获流量速率的波动变化和改善抽样精度的能力。     

一种新的数据包公平抽样算法

互联网作为20世纪发展最为迅速的技术之一,已经成为现代信息社会最重要的基础设施,成为国家进步和社会发展的重要支柱。本文针对现有数据包抽样算法小流估计误差大的缺陷,提出一种新的数据包抽样算法。该算法根据到达数据包所属流大小的估计值设置包抽样率,使得大流所含数据包抽样率低,小流所含数据包抽样率高。理论分析和实验结果均表明,与已有算法相比,该算法具有更高的准确性和良好的扩展性,更适合于工程应用。     

不均衡数据集学习中基于初分类的过抽样算法

为了有效地提高不均衡数据集中少数类的分类性能,提出了基于初分类的过抽样算法。首先,对测试集进行初分类,以尽可能多地保留多数类的有用信息;其次,对于被初分类预测为少数类的样本进行再次分类,以有效地提高少数类的分类性能。使用美国加州大学欧文分校的数据集将基于初分类的过抽样算法与合成少数类过抽样算法、欠抽样方法进行了实验比较。结果表明,基于初分类的过抽样算法的少数类与多数类的分类性能都优于其他两种算法。     

一种贝叶斯网络结构学习的混合随机抽样算法

贝叶斯网络结构学习的随机抽样算法存在收敛速度慢的问题,为此,结合均匀抽样和独立抽样,从初始样本、抽样方式和建议分布3个方面对抽样过程进行改进,提出一种混合型马尔可夫链蒙特卡罗抽样算法(HSMHS)。基于节点之间的互信息生成网络结构的初始样本,在迭代抽样阶段,按一定的概率随机选择均匀抽样和独立抽样,并根据当前抽样的样本总体计算独立抽样的建议分布,以改善抽样过程的融合性,加快收敛速度。对算法进行正确性分析,证明其抽样过程收敛于网络结构的后验概率分布,可保持较高的学习精度。在标准数据集上的实验结果表明,HSMHS算法的学习效率和精度均高于同类算法MHS、PopMCMC和Order-MCMC。     

基于洗牌算法的大数据抽样有效性分析

基于折叠技术的洗牌算法具有较好的数据置乱效果,可以满足大数据抽样的前提条件.为证明置乱后的数据集在经过抽样后内部规则不被破坏,通过数据挖掘的方法对抽样前后的数据进行关联规则分析.对比所得关联规则的支持度、置信度,以及事务出现的频率,发现经过折叠洗牌算法置乱后的数据在抽样前后所得到的关联规则变化相对稳定,并通过与现有算法的时间效率以及抽样总体误差作对比,进一步在理论上得出大数据抽样具有有效性,即可以通过抽样样本来推测数据整体情况.     

WSN中的分布式压缩感知

为了解决传统的压缩感知算法在无线传感器网络中实现的难题,首先研究了用定时器控制ADC进行随机压缩采样的压缩感知技术,实验表明,该方法有效可行。在此基础上提出了基于无线传感器网络的分布式压缩感知算法。该算法通过对随机压缩采样序列的拆分实现分布式压缩采样,最后利用合并后的采样值和CoSaMP算法完成对信号的重构。仿真和实验表明,该方法能够在星型网络拓扑中实现以1/10的标准采样频率下实现信号的重构。     

宽带信号延迟采样方法误差分析仿真研究

该文提出了一种宽带信号采样的新方法,将延迟采样方法应用于宽带信号采样,分析了宽带信号延迟采样的幅度和相位不平衡误差,并进行了仿真实验。理论分析和仿真结果表明,信号带宽和采样频率对采样误差都有一定影响。带宽越大,采样误差越大;对某一带宽的宽带信号,在保证不发生频谱混叠的情况下,采样频率越大,采样误差越小,但同时数据量就会增大,因此在工程中应根据实际情况对采样误差和数据量进行折中考虑。     

基于时序相关双采样的紫外光谱CCD信号采集

目前采集CCD信号通常是使用双采样器来实现,仅适用于高频采样。为扩大采样频率范围和提高采集精度,采用了一种基于时序相关双采样的采集方法。时序相关双采样是在时序上分别选取CCD输出信号复位电平和信号电平中的2小段进行AD转换,转换后的数据上传到上位机上相减得到像素的实际灰度值。用紫外光源配合紫外滤色片进行了相应实验,结果表明,该方法能在不同频率下对紫外光谱CCD信号进行正确采集并成像。分析采集结果可知,该方法能消除信号电平和复位电平整体漂移产生的误差,抑制系统噪声。     

General sampling theorems for functions in reproducing kernel Hilbert spaces

In this paper we prove general sampling theorems for functions belonging to a reproducing kernel Hilbert space (RKHS) which is also a closed subspace of a particular Sobolev space. We present details of this approach as applied to the standard sampling theory and its extension to nonuniform sampling. The general theory for orthogonal sampling sequences and nonorthogonal sampling sequences is developed. Our approach includes as concrete cases many recent extensions, for example, those based on the Sturm-Liouville transforms, Jacobi transforms, Laguerre transforms, Hankel transforms, prolate spherical transforms, etc., finite-order sampling theorems, as well as new sampling theorems obtained by specific choices of the RKHS. In particular, our setting includes nonorthogonal sampling sequences based on the theory of frames. The setting and approach enable us to consider various types of errors (truncation, aliasing, jitter, and amplitude error) in the same general context. This work was supported in part by the National Science Foundation under Grant DMS-901526.     

一种多目标约束下的山地遥感试验空间采样方法

相对于平地,山地的空间异质性更强,交通更为不便,开展遥感实验时需要更加高效的地面样点布设方案。以条件拉丁超立方体采样为理论基础,通过构建多目标代价函数,发展了一种专门针对于山区遥感试验的采样方法。以具有复杂地形特征的海螺沟为研究区,与随机采样(SRS)、基于分类图的采样(LCSS)以及无成本约束的条件拉丁超立方体采样(CLH)进行了对比试验。结果表明,CLH和本文方法所得样点的概率直方图和研究区总体概率直方图非常相似,样点代表性明显优于SRS和LCSS方法。同时,本文方法所得样点的平均成本距离(296.78)显著低于SRS(407.84)、LCSS(408.19)和CLH方法(458.78)。     

基于掩码匹配的IP网络流量抽样测量系统研究

提出了基于掩码匹配抽样测量系统的体系结构,把整个系统分为报文采集、报文抽样、信息保存三层来设计并用java实现。重点分析了采用不同的暂存方式时报文抽样层及信息保存层程序的执行时间,比较了三种不同的暂存方式抽样最大延时。     

Statistical sampling to characterize recent United States land-cover change

The U.S. Geological Survey, in conjunction with the U.S. Environmental Protection Agency, is conducting a study focused on developing methods for estimating changes in land-cover and landscape pattern for the conterminous United States from 1973 to 2000. Eleven land-cover and land-use classes are interpreted from Landsat imagery for five sampling dates. Because of the high cost and potential effect of classification error associated with developing change estimates from wall-to-wall land-cover maps, a probability sampling approach is employed. The basic sampling unit is a 20×20 km area, and land cover is obtained for each 60×60 m pixel within the sampling unit. The sampling design is stratified based on ecoregions, and land-cover change estimates are constructed for each stratum. The sampling design and analyses are documented, and estimates of change accompanied by standard errors are presented to demonstrate the methodology. Analyses of the completed strata suggest that the sampling unit should be reduced to a 10×10 km block, and poststratified estimation and regression estimation are viable options to improve precision of estimated change.     

A sampling theorem with equally spaced sampling points on the negative time axis

A band-limited signal is an entire function of exponential type and its frequency band is a compact set on the complex frequency plane. Hence, the sampling theorem concerns interpolation/extrapolation of an entire function. This paper presents a sampling theorem assuming a causality condition with equally spaced sampling points on the negative time axis, where the distance between two successive sampling points does not exceed the length of the Nyquist interval corresponding to the width of the frequency band in the direction of the real axis. The interpolation/extrapolation formula is constructed by using conformal mapping and Faber polynomials. An explicit formula is derived as an example, when the frequency band is on the real axis.     

基于Boosting的不平衡数据分类算法研究

研究基于boosting的不平衡数据分类算法,归纳分析现有算法,在此基础上提出权重采样boosting算法。对样本进行权重采样,改变原有数据分布,从而得到适用于不平衡数据的分类器。算法本质是利用采样函数调整原始boosting损失函数形式,进一步强调正样本的分类损失,使得分类器侧重对正样本的有效判别,提高正样本的整体识别率。算法实现简单,实用性强,在UCI数据集上的实验结果表明,对于不平衡数据分类问题,权重采样boosting优于原始boosting及前人算法。     

不确定海洋数据的质量抽样检验模型研究

海洋数据具有海量、多源、多类和多维等特性,其数据质量具有不确定性现象,传统的抽样检验理论不能满足海洋数据质量检验的需求.在抽样检验模型的制定中引入了梯形模糊数的思想,将抽样检验模型的制定抽象为模糊线性规划问题,建立了模糊的质量抽样检验模型,解决了具有不确定质量参数海洋数据的质量检验问题,从而完善了抽样检验模型的系统体系.