长程突发通信量的分数自回归预测

以数据包传输的通信量在不同网络条件下均表现出自相似性,自相似通信量在各时间尺度上均具有长程突发特性,其是以泊松过程为模型所描述的短程相关通信量所无法描述的.近来对自相似通信量的高精度测量与研究证实:网络中广泛存在的重尾特性是通信量自相似产生的原因.同时充分提取通信量的自相似性与重尾特性相关信息,是准确预测长程突发通信量的关键.在一种α-基于平稳过程的自相似通信量模型基础上,提出两种独立的自回归预测方法:FAR(Fractional AutoRegressive)预测、FNAR(Fractional Nonlienar AutoRegressive)预测.对这两种预测值进行不同方案的混合预测得到最终预测结果,进一步提高预测精度.     

自相似网络通信量的滑动平均预测

研究表明具有重尾特性的自相似性网络通信量表现出长程相关的突发性。对这种不同于传统电话网通信量的长程相关的网络通信量进行描述及预测十分重要。本文在基于对称alpha-平稳分布过程的自相似通信量模型基础上,提出了两种新的对具有重尾特性自相似网络通信量的滑动平均预测方法。一种是协变正交意义下的线性无偏预测;另一种是双曲线渐近意义下具有对称平稳新息的滑动平均预测,能使预测偏差最小化。对Bellcore实验室与Lawrence实验室的原始数据进行预测实验,预测结果表明两种预测方法准确有效。     

自相似网络通信量的多尺度预测研究

自相似性是网络的普遍属性,并且对网络性能具有重要影响。在网络性能研究中,利用自相似的长程相关性来进行预测对于有效分配和利用网络资源以保证网络QoS及提高网络性能是非常有意义的。然而,由于自相似通信量同时具有长程相关和短程相关性的多尺度性和非线性使得通信量的预测非常困难。文章在充分考虑自相似网络通信量这些特性的基础上,提出了利用人工神经网络来进行预测的方法。我们首先根据研究目标构建了多时间尺度预测的人工神经网络,并且对输入/输出向量处理、参数选择和学习算法进行了讨论;然后,我们利用FARIMA为模型合成的同时具有LRD和SRD性质的通信量trace进行了多尺度预测的实验研究,结果表明可以利用该算法进行多时间尺度预测,这对于优化网络控制策略是非常有意义的。     

自相似通信量对CSMA/CD性能的影响

大量网络通信量测量研究表明，通信量在长时间尺度上的突发性规律可以用分形或自相似模型来描述。为准确评估CSMA／CD协议性能，基于RMD算法产生近似的FBM，并利用近似FMB构造了自相似通信量模型。基于自相似通信量，采用离散事件仿真技术对CSMA／CD协议建立了排队模型，对网络性能进行了分析，适过与通信量服从泊松到达的仿真结果进行对比，说明了自相似特性对网络性能分析的影响。     

自相似通信量对CSMA/CD性能的影响

大量网络通信量测量研究表明,通信量在长时间尺度上的突发性规律可以用分形或自相似模型来描述。为准确评估CSMA/CD协议性能,基于RMD算法产生近似的FBM,并利用近似FMB构造了自相似通信量模型。基于自相似通信量,采用离散事件仿真技术对CSMA/CD协议建立了排队模型,对网络性能进行了分析,通过与通信量服从泊松到达的仿真结果进行对比,说明了自相似特性对网络性能分析的影响。     

自相似排队系统的蒙特卡罗仿真研究

自相似性是网络通信量的普遍性质并且对网络性能有很大的影响。论文利用蒙特卡罗方法研究了自相似排队系统的性能问题。研究表明长程相关和短程相关对于排队系统性能具有非常不同的影响,尤其是在缓存较大的情况下。同时,还发现通信量中长程相关发生作用的尺度与通信量以及排队系统本身的参数都有关,这对于实际的网络设计具有较强的参考意义。     

非对称信息在链接预测中的应用

针对基于节点相似性的链接关系预测中因未考虑非对称信息导致预测准确度降低的问题,提出一种新的增加非对称信息的节点相似性度量方法。首先,分析了基于共同邻居（CN）的相似性度量算法的缺陷在于仅考虑CN的数量而未考虑各自节点的所有邻居的数量;然后,将节点之间的相似性度量定义为共同节点与所有邻居节点的比值,融合节点间对称相似信息和非对称相似信息,对节点间的相似程度进行深入细致的刻画;最后,将该方法应用到复杂网络中进行链接关系的预测。在真实数据集上的实验结果表明,与目前多种基于共邻的相似性度量方法——CN、AA、资源分配（RA）相比,所提方法提升了节点相似性度量的准确性,并且可以提高复杂网络中链接关系预测的准确度。     

基于自相似通信量的p-坚持CSMA/CD协议仿真

近年来,大量的通信量测量研究表明实际的网络通信量具有自相似或长范围相关特性。为了准确评估军用网络的性能,论文利用叠加多个ON/OFF信源的方法,建立了自相似通信量模型,并对该模型所产生的序列进行检测,验证了其自相似特性;在此基础上,基于自相似通信量,采用离散事件仿真技术对军用网络中的p-坚持CSMA/CD协议建立了排队模型,通过仿真测试了各种负载下p值对冲突次数、平均等待时间、平均队长以及吞吐率等性能指标的影响,仿真结果表明,根据信道负载的轻重,动态调整p的取值可以提高网络的性能。     

基于PSO-BP神经网络的网络流量预测与研究

传统网络流量预测采用线性方法进行处理,不能很好地满足要求.根据互联网通信量的自相似性,提出一种基于BP网络的粒子群优化PSO-BP算法进行网络流量预测,用PSO算法对BP网络节点的初始权值进行优化,并利用历史记录训练BP网络,采用Matlab进行仿真.试验结果表明,PSO-BP算法加快了BP网络收敛速度,训练结果的均方误差函数mse在5%以内,提高了网络流量预测精度.     

自相似网络流量预测的分析和研究

网络流量模型能准确和全面地刻画流量数据的各种统计特性，因而成为网络研究的热点。讨论了传统模型预测的弊端，描述了网络流量自相似的基本特征，分析了三个重要自相似模型的特点和存在的问题，使用实际网络流量验证了流量的自相似性并结合多分形小波模型对网络流量进行预测，探讨了流量模型预测的新技术和进一步研究的问题。     

基于流量预测的TCP拥塞算法的研究

提出一种基于自相似长相关性网络流量的TCP拥塞控制机制。利用自相似长相关性网络流量极值出现时间长的特性,预测下一时段的网络流量,动态调整相应的拥塞窗口a值,使TCP拥塞窗口从简单的线性增长变成随着网络资源的具体情况呈阶梯函数改变。仿真模拟表明,该方案降低了多媒体业务流的突发性,平滑了数据速率的变化,使缓存队列长度下降,增加了总体数据的传输率,提高了带宽的利用率。控制网络拥塞,减小延迟,达到网络负载平衡。     

基于瀑布过程的网络流量模型

分形或自相似模型可以很好地描述网络流量过程的长程依赖性，却无法真实地刻画网络流量过程在小尺度上的奇异性，论文从另一个角度，研究并建立了基于瀑布过程的瀑布模型，并对真实的网络流量数据进行模拟分析，发现瀑布模型从一定程度上解释了实际网络流量中的尺度特性，它能准确地刻画网络流量在小尺度上的奇异性，通过对模拟数据的尺度分析证明，瀑布模型具有刻画真实流量数据中多重分形特征的能力。     

A case for exploiting self-similarity of network traffic in TCP congestion control

Analytical and empirical studies have shown that self-similar traffic can have detrimental impact on network performance including amplified queuing delay and packet loss ratio. On the flip side, the ubiquity of scale-invariant burstiness observed across diverse networking contexts can be exploited to better design resource control algorithms. In this paper, we explore the issue of exploiting the self-similar characteristics of network traffic in TCP congestion control. We show that the correlation structure present in long-range dependent traffic can be detected on-line and used to predict the future traffic. We then devise a novel scheme, called TCP with traffic prediction (TCP-TP), that exploits the prediction result to infer, in the context of AIMD steady-state dynamics, the optimal operational point at which a TCP connection should operate. Through analytical reasoning, we show that the impact of prediction errors on fairness is minimal. We also conduct ns-2 simulation and FreeBSD 4.1-based implementation studies to validate the design and to demonstrate the performance improvement in terms of packet loss ratio and throughput attained by connections.     

基于QPSO-LMK的自相似性网络流量预测

现在对高性能、高效性流量测量的研究表明网络流量呈现统计上的自相似性.因此,网络预测在网络管理中占据重要地位.使用QPSO(quantum-behaved particle swarm optimization)对预测自相似性网络流量的最小均值峰度(LMK)方法进行优化,能够获得较小的信噪比SNR-1(signal to noise ratio).通过对真实网络流量的仿真实验,表明该方法能比LMK(最小均值峰度)算法更精确的预测网络流量.     

网络业务流量自相似性及判断方法研究

随着网络规模的扩大,网络速度的提高,对于网络业务流量特性的研究已经成为网络性能分析最主要的方向之一。通过对网络流量的研究,可以为预测网络性能、保障关键业务所需的QoS等应用提供必要的支持。主要介绍网络流量自相似性以及形成自相似的可能原因以及自相似程度的判断方法。     

基于多核处理器的自相似测试流量生成技术

研究并实现一种自相似测试流量生成技术,比较多种典型自相似流量分析模型,利用多分形小波作为自相似测试流量的生成模型,设计自相似测试流量生成算法。将该算法应用于基于IXP2400可编程多核多线程处理器构建的网络测试系统,在区间（0.5、1．0）内生成满足不同Hurst值的自相似测试流量,通过实验验证该技术的可用性和有效性。     

自相似网络流量差分分析新方法

多媒体网络流量具有重尾特性及自相似特性,已得到了广泛的认同.而Alpha-stable过程作为Gaussian过程的推广能很好地描述重尾特性及自相似特性.在简要介绍了Alpha-stable分布和Alpha-stable过程的基础上,本文研究分析了当前基于线形分形稳定噪声(LFSN)理论的网络业务流量模型,并提出了基于差分分析的新方法及基于差分分析的LFSN流量模型参数估计新方法.对Bellcore实验室采集数据的拟合验证结果表明,该估计方法能准确确定模型参数.     

自相似流量关键参数分析

大量的研究结果表明,网络流量过程普遍存在着自相似和长相关特性,自相似和长相关特性对网络性能具有重要的影响.目前绝大部分研究都集中在Hurst系数的估计及其性能影响上,这是不全面的.本文深入研究影响网络性能的自相似流量关键参数,通过仿真分析Hurst系数和方差系数对网络性能的影响,表明Hurst系数和方差系数对网络性能均有重要的影响.分析了方差对网络性能影响的原因,研究了G与方差之间的关系及其计算方法,给出了基于IDC的复合分形更新过程参数的估计算法,分析了分形开始时间对网络性能的影响.