纳米器件的散粒噪声检测方法研究

针对纳米器件散粒噪声信号去噪方法的不足,利用散粒噪声信号在不同状态下的方差特性,提出了一种改进的经验模态分解算法(EMD)。该算法根据信号固有模态函数(IMFs)方差最大值与对应层数的关系自适应地选择需要处理的IMF层数,并与传统平均算法相结合提取了散粒噪声信号。实验结果表明:在不同程度(≥-3.92 d B)低频噪声环境下,与传统的EMD硬性去噪等方法比较可知,其信噪比提高了5.4 d B~7.0 d B,均方误差降低了36%以上,该方法有效地去除了低频噪声,提高了散粒噪声检测的有效性。     

基于粒网络生成规则的文本分类研究

文本分类是数据挖掘的一种应用,分类器的设计是其中最重要的一个环节.与那些基于统计方法的分类算法比较,给予规则的分类算法在很多情况下更具优越性.提出了一种基于粒运算的方法,通过建立粒网络生成分类规则,从而实现文本分类的方法.本算法通过从最大的粒中提取较小粒,直至产生最小粒的过程建立起一个粒网络,从而产生分类规则,实现文本的分类.     

基于生成对抗网络的网络流量特征伪装技术

互联网服务提供商通过使用流量分析攻击技术对流量进行分类和监控,目前的防御措施多数缺乏动态性与应对网络环境变化的灵活性,而且依赖于具体的某种流量的特征,容易被探测和屏蔽。为抵御流量分析攻击,提出一种新的流量隐藏技术,代理服务器将流量动态地伪装成任意目标流量,运用生成对抗网络模型来学习目标网络流量的特征,将源流量变为与目标正常流量不可区分的流量,以保障隐私和规避互联网监控。实验结果表明,该技术在准确率等性能指标上表现良好,且拥有同类方案所不具备的动态性,明显提升了流量的匿名性。     

粒空间中基于粒计算的粒语义推理

在论域上定义公式,并因其与粒相对应,使得粒空间得以形成.在粒空间中由粒之间的关系确定出粒语义推理,并对此进行讨论.通过粒计算,证得粒语义推理满足命题逻辑自然推理系统的每一推理规则,因此粒空间上的可靠性成立,这表明形式推理蕴涵粒语义推理.尽管粒空间上的完备性不成立,但结果表明粒语义推理是各经典推理模式的扩充,所以粒语义推理既拓宽推理研究的范围,又引进粒计算的研究方法,促成粒计算与逻辑推理的进一步融合.     

基于生成对抗网络的5G网络流量预测方法

无线接入用户的需求呈爆炸式增长,5G网络流量呈指数级增长且呈现出多样性、异构性的趋势,使得网络流量预测面临诸多挑战.针对5 G网络部署宏基站、微基站与微微基站的多层架构,文中提出基于生成对抗网络(GAN)的流量预测方法.首先,生成网络分别捕捉流量时空特征与基站类型特征,将拼接特征输入复合残差模块以生成预测流量,并将生成...     

基于SharpPcap的网络流量监控系统

为了在局域网中能够实时监视网络流量,并对流量进行分析和控制,提出了一个基于SharpPcap框架的局域网流量监控系统(SPCatcher).通过对网络流量监视、流量分析、流量控制等子模块进行需求分析,设计了流量监控系统的框架模型,并给出了根据数据传输方向和指令响应顺序进行划分和组合的功能实现图.通过SPCatcher系统捕获网络流量并进行分析,找出网络性能降低的源头,进而可对存在滥用网络带宽行为的特定客户端进行流量控制.实现了软件系统,测试结果验证了SPCatcher系统的流量监控功能的有效性.     

基于噪声统计的EMD-LSTM网络流量预测方法

摘要 为了提高长短期记忆对网络流量的预测精度,本文提出一种EMD-LSTM预测模型。针对训练样本中存在噪声的问题提出一种基于噪声统计特性的经验模态分解降噪方法,通过分析每一训练样本分解后的本征模态函数确定对应的噪声分量,将各样本中同一位置的噪声分量进行统计平均再与非噪声分量重构实现样本降噪,使用降噪后的序列作为长短期记忆训练样本;针对长短期记忆中使用滑动窗口作为训练样本输入存在的误差叠加问题使用间隔采样构造训练样本。仿真表明,相较于传统长短期记忆方法,本文方法具备更优降噪与预测效果。此外,本文将该预测模型应用于一种基于无人机卸载流量的蜂窝网络,提出一种无人机活动规划方法以优化无人机长时间工作中返航充电的时间点。     

基于周期性网络流量模型的流量预测

文中使用自主开发的网络监控系统,对数据链路实施长期的测试监控。通过大量流量测试数据统计分析表明,WAN／LAN实际流量可以分为时间相关分量和时间无关分量。文中介绍了一个基于周期性网络流量模型的流量预测算法,以便对给定时刻的网络流量进行在线预测,并给出了不同预测精度下预测流量取值区间和实际流量的比较结果。     

基于图卷积神经网络的SDN网络流量预测

精确和实时的网络流量预测在SDN网络中扮演着重要角色,同时对流量工程、网络控制起到重要作用.由于网络拓补的约束和时间的动态变化,即空间和时间特征,使得网络流量预测问题已经成为一个公认的科学问题.为了有效提取空间和时间特征,提出一种基于神经网络的预测模型,即结合了图卷积和门控循环单元的模型.图卷积网络可以有针对性地提取到复杂拓补的空间特征,同时门控循环单元能提取到流量的时间特征,两者的结合可以有效地预测软定义网络中的流量.在模型性能比较方面,将提出的GCGRU与经典方法进行了比较.评估指标包括MSE,RMSE,MAE.实验结果表明,GCGRU能够更有效地进行流量预测.     

基于图卷积神经网络的SDN网络流量预测

精确和实时的网络流量预测在SDN网络中扮演着重要角色,同时对流量工程、网络控制起到重要作用.由于网络拓补的约束和时间的动态变化,即空间和时间特征,使得网络流量预测问题已经成为一个公认的科学问题.为了有效提取空间和时间特征,提出一种基于神经网络的预测模型,即结合了图卷积和门控循环单元的模型.图卷积网络可以有针对性地提取到复杂拓补的空间特征,同时门控循环单元能提取到流量的时间特征,两者的结合可以有效地预测软定义网络中的流量.在模型性能比较方面,将提出的GCGRU与经典方法进行了比较.评估指标包括MSE,RMSE,MAE.实验结果表明,GCGRU能够更有效地进行流量预测.     

基于SNMP的天基网络流量的在线遥测与预测*

针对星上路由器的业务流量速率为遥测目标,使用SNMP报文来实时收集网络流量统计信息,并使用多分辨率分析与神经网络结合的方法,对测量的流量数据序列进行冗余小波变换,将分解后不同尺度的系数用于BP神经网络的输入来进行流量的在线短时预测.     

复杂网络在城市公交网络中的实证分析

实证分析是复杂网络研究的一个重要的方向。采用复杂网络研究方法,以上海、北京等城市的公交线路的部分站点和路线为例,分别从公交停靠站点网络、公交换乘网络和公交线路网络角度总结了城市公交网络的复杂网络特性。对复杂网络的静态特征值如平均路径长度、聚类系数、节点度分布等方面进行了统计。结果显示北京和上海的公交网络具有小世界特性,度分布都符合指数分布。北京和上海居民外出的平均换乘次数分别为1.54次和1.9次。     

Performance Analysis of Banyan-Type Multistage Interconnection Networks Under Nonuniform Traffic Pattern

Multistage Interconnection Networks(MINs) have a number of applications in the areas of computer and communications. The most widely researched structure among MINs is the (1)banyan type network. It has several variations such as buffered banyan, batcher-banyan, tandem banyan, recirculating banyan and banyan with contention resolution phase. Analytical performance evaluation is crucial for justifying the merit of the design in different operational conditions. While several analytical models have been proposed for the performance evaluation of MINs, they are mainly for uniform traffics. Even the models for nonuniform traffics have several shortcomings such as they only consider output buffered structure or do not consider blocking conditions.In this paper, the more accurate models than any other ones so far have been proposed for the performance evaluation of multibuffered banyan-type MINs under nonuniform traffic condition is obtained. The accuracy of proposed models are conformed by comparing with the results from simulation.Firstly, single buffer model is developed. Markov chain is used for the analysis. Multibuffer model is obtained from single buffer model. Simulation is performed using Discrete Evenet Simulaton(DES) method. As a results, proposed model proves to be very accurate.     

基于复杂网络的 Internet 流量分析

基于复杂网络理论对 Internet 网络结构进行分析,模拟 Internet 网络中选择服务器的过程,建立一个基于距离和流量的 Internet 自组织网络结构模型(FDM).通过仿真Internet 网络数据传输过程,分析比较 FDM 与 BBV 模型的丢包率,研究 Interact 网络中心连接节点的缓存器容量、...     

基于神经网络和遗传算法的VBR通信流量预测

论文阐述了利用神经网络预测由连续自动回归(AR)马尔可夫模型所代表的可变位速率通信流量(VBR);在这一理论的基础上,介绍一个BP神经网络模型,它采用拆分,组装方法来构造一个学习结果达到均方根误差全局最小点的BP神经网络,该方法结合遗传算法能有效克服局部极小点,缩短学习时间和减小学习难度,并能够精确地预测VBR通信流量。     

城市交通网络正系统模型与稳态信号控制

城市路网内车流分布不均衡为交通拥堵原因之一,且交通控制系统为典型正系统．为此,本文采用Compartment正系统对网络交通流演化建模,以网络均衡为控制目标,提出稳态信号控制方法．首先,建立网络交通流Compartment正系统模型,可描述具有任意控制结构网络的过饱和特征;进一步,给定网络车流输入,由非负矩阵理论可得网络存在唯一稳定平衡点,给出平衡点解析计算公式．由此,提出网络稳态信号控制律,为路段状态反馈控制律．最后,以北京市奥林匹克公园区域拓扑路网为例,在VISSIM软件中建立仿真环境,比较稳态信号控制方法与定时控制方法,仿真结果表明在高需求网络条件下,稳态信号控制方法可改善网络整体性能和缓解局部拥堵．     

光网络流量工程优化计算的适应度函数研究

研究了光网络流量工程优化计算中的适应度函数,其实质是为相互制约的多个单目标寻找一个合理的综合评价的数学表达式。使用了主分量分析的方法,该方法可以消除多个单目标之间的相互制约的关系、信息重叠以及量纲的差异,可以计算出综合评价的有效的数学表达式。仿真试验表明,该方法是可行的。     

光纤Mesh网络动态组播业务疏导算法

针对当前低速组播业务请求与光网络高速波长传输容量的问题,基于光网络组播业务疏导模型,提出动态组播业务疏导算法,将新的组播业务请求疏导到已建立的光组播树上,达到提高网络资源的利用率、降低组播业务连接阻塞概率的目的。仿真结果表明,该算法可有效地改善网络性能。     

基于无线传感器网络的自适应交通灯控制系统

分析了现有信号灯控制系统的优缺点,提出了一种基于无线传感器网络的交通灯控制系统设计方案,利用敷设在路面上的携带超声波收发模块的传感器节点探测各方向车道上车流量,并根据车流量实时改变相应车道车辆放行时间,以提高道路利用率,减少拥堵现象。本系统可准确地获得车流量统计信息。对信号灯调度过程进行了建模分析,提出了自适应的调度算法,仿真实验结果表明,该算法能降低车辆平均等待时间,提高通行效率。     

测试流量生成的设计与实现

测试流量生成是网络设备性能测试中的一个重要部分．为满足测试需要，测试流量应尽可能的接近实际网络流量．本文提出了测试流量的特征，设计了一个测试流量生成模块，该模块已在IP网络性能测试系统中得到实现．