共查询到20条相似文献,搜索用时 156 毫秒
1.
2.
3.
分析无线信道变化对集中式无线局域网下行业务性能的影响,指出流间干扰会导致所有下行业务流性能下降.提出一种基于信道状态的资源分配机制,该机制基于信道状态动态地调整业务流分组的传输次数,根据业务流的QoS需求,采用优先级调度算法调度分组.实验结果表明,该机制可以合理地分配资源,减小流间干扰带来的性能下降. 相似文献
4.
无线局域网业务流特性分析是网络性能评价、规划、设计、管理和控制的基础。应用小波能量谱方法对真实的无线局域网聚集业务流的二阶尺度特性进行分析,实验结果表明大部分上行和下行的混合业务聚集流在小时间尺度上的二阶尺度指数接近0.5,这说明在这个时间尺度上网络业务流呈现弱相关性,而在大时间尺度(秒级以上)呈现明显自相似特性。通过小波能量谱分析也发现,和Poisson过程相比,无线局域网聚集业务流在各个时间尺度上都具有明显的突发性。研究结果为无线网络业务流的准确建模及网络流量控制和优化无线网络资源提供指导。 相似文献
5.
对基于神经网络的洪水序列预测方法进行了研究.将动态学习率、惯性冲量方法改进的神经网络模型用于水文时间序列洪水预报中,提出以确定性系数最大为评价标准的参数优选方法.经两个洪水序列的实例研究结果表明,神经网络对于变化平缓的洪水序列,预报效果很好,对于彼动剧烈的复杂水文序列,洪水预报效果不如前者. 相似文献
6.
无线局域网的发展和视频编解码技术的进步,让两者结合越来越紧密.但视频传输需要大量带宽确保,对时延有严格要求,让无线局域网的视频性能成为目前的一个研究重点.对网络视频性能的多种影响因素进行分析,结合无线局域网和主流视频编解码的特点,提出改进的802.11g无线局域网视频性能评价模型和基于视频业务的自适应的前向纠错算法,得到了H.264编解码条件下的视频性能结果,对前向纠错算法对视频性能的影响进行分析. 相似文献
7.
模型输入对模糊神经网络预报模型的影响研究 总被引:1,自引:0,他引:1
为了探索模型输入对模糊神经网络预报模型预测性能的影响,研究了通过减少预报模型自变量组合的复共线性影响,并结合相似系数计算分析方法建立了一种新的模糊神经网络预报模型。以气象学科的逐日降水预报作为研究对象,利用这种新的模糊神经网络预报模型进行了实际预报试验,并与常规的模糊神经网络预报方法,中国气象局T213数值预报模式以及逐步回归预报方法的预报结果进行了对比分析。结果表明,这种基于条件数和相似系数计算的模糊神经网络预报新方法对49天降水的独立样本预报平均绝对误差为7.33 mm,预报误差比模糊神经网络预报模型下降了5.9%,比传统的逐步回归方法下降了14.9%,比中国气象局T213数值预报模式的预报结果下降了13.4%。显示了很好的应用前景。 相似文献
8.
在OPNET网络仿真开发平台上,构建出基于SMART_Polling的无线局域网的仿真模型,描述了OPNET的建模过程,给出和分析了SMART_Polling机制下WLAN网络性能(吞吐量、媒体接入时延)的仿真结果。采用SMART_Polling机制实现WLAN,网络吞吐量性能优于基于CSMA/CA协议的无线局域网,系统接入效率高、灵活性强。 相似文献
9.
10.
11.
一种网络流量预测的小波神经网络模型 总被引:11,自引:1,他引:11
结合小波变换和人工神经网络的优势,建立一种网络流量预测的小波神经网络模型。首先对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练。用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果。 相似文献
12.
根据交通流量具有周相似的特性,构造了周相似序列。用霍特指数平滑法对周相似序列进行预测,用人工神经网络对残差部分进行预测。将指数平滑法与神经网络法相结合,以便发挥每种方法的优势,获得比单个方法更好的预测结果。实例分析表明,比单独使用ARIMA或单独使用神经网络方法,使用组合方法的预测误差最小,适合于实时的交通流预测。 相似文献
13.
14.
支持向量机和人工神经网络是人工智能方法的两个分支,详细介绍了支持向量机和人工神经网络原理。建立了网络安全评估指标体系,将支持向量机和人工神经网络同时应用于网络安全风险评估的过程中,通过实例比较了两者的评估效果,结果表明了支持向量机在小样本情况下分类正确率普遍高于人工神经网络,具有较好的分类能力和泛化能力;同时在训练时间上也有绝对的优势。实践证实了支持向量机用于网络安全风险评估的有效性和优越性。 相似文献
15.
16.
客户机与服务器之间存在数据存储隐通道,对该通道的网络流量进行准确预测可避免网络拥堵,提高网络流量的调度和管理能力。传统方法采用线性时间序列分析方法进行网络流量预测,没有准确反映流量序列的非线性特征信息,预测精度不高。提出一种基于非线性时间序列分析和矢量空间重构的网络流量预测算法。进行相位随机化处理,使得网络流量数据离散解析化,把网络流量时间序列解析模型分解为含有多个非线性成分的统计量。采用自相关函数法求得矢量空间重构的时间延迟,采用互信息最小嵌入维算法求得网络流量序列的矢量空间嵌入维,实现流量序列的矢量空间重构。在高维矢量空间中,提取网络流量的高阶谱特征,实现网络流量的准确预测。仿真结果表明,采用该算法能有效拟合流量序列的非线性状态特征,对流量状态变化的动态跟踪性能较好,其预测误差比传统方法的低。 相似文献
17.
为了提高网络流量预测准确性,结合网络流量的变化特点,针对当前网络流量预测模型存在的局限性,设计了基于小波变换和极限学习机的网络流量预测模型。首先分析了当前国内外网络流量预测研究现状,找到引起网络流量预测准确性差的原因;然后采用小波变换对原始网络流量时间序列进行去噪,得到无噪声的网络流量时间序列;最后采用极限学习机对网络流量时间序列进行建模,得到相应的预测结果。与当前经典的网络流量预测模型在相同环境下进行对照测试,测试结果分析表明,小波变换和极限学习机的网络流量预测精度达到了95%以上,网络流量预测误差得到了有效的控制,而且提升了网络流量预测效率,预测结果要远优于当前经典的网络流量预测模型。 相似文献
18.
从非平稳时间序列的分布函数及其参数入手,主要研究分布函数不变分布参数变化的这一类非平稳的时间序列异常点检测方法,提出了基于超统计的异常检测方法,并将其应用于非平稳网络流量时间序列。从网络流量的非平稳和突发性特点出发,特别考虑到由于攻击流量所引起的流量特性的变化,结合超统计理论,主要研究分布参量的变化。根据超统计的理论,先应建立分布统计模型,研究分布模型不同参数变化对分布的决定性作用,从而将异常网络流量的检测研究转化成对慢变量参数序列的检测研究。该检测方法大大降低了计算的复杂度。通过大量实验表明该方法具有良好的效果。 相似文献
19.