防凌期宁蒙河段流量演进的分期分河段混合算法研究

防凌期河道流量演进受复杂凌情影响,研究成果少.在分析防凌期流量演进特点的基础上,考虑封开河日期、槽蓄水增量、气温等凌情影响因子,提出了分期分河段的混合算法以改进传统演进方法.以宁蒙河段为例,考虑流量传播时间,分为稳定封冻河段、不稳定封冻河段,分畅流期、封河期、封冻期、开河期,采用混合演进算法对宁蒙河段各断面的流量进行计算.结果显示,采用分期分河段的混合算法演进流量的精度大大提高,验证了混合算法的合理性、可靠性.     

深度学习算法的P2P流量识别与控制

为了提升P2P流量的识别精度与控制效果,提出了深度学习算法的P2P流量识别与控制方法.采用P2P流量数据训练深度学习算法的BP神经网络,根据训练好的神经网络对训练样本进行预分类,得到包含各服务流量特征的预分类结果.将预分类结果作为P2P流量聚类中心值,通过聚类算法检测P2P流量样本数据,得到P2P流量识别结果.采用分形自回归综合滑动平均模型分析P2P流量控制机制.结果表明,该方法的识别性能稳定、识别结果精度较高,有效降低了流量传输的丢包率,可对P2P流量传输进行稳定控制.     

基于LSP时延和拥塞的分布式自适应流量工程算法

研究多协议标签交换(MPLS)网络中的流量工程,提出了基于标签交换路径(LSP)时延和拥塞 来优化网络流量的算法。给出全网流量优化的数学模型,并根据该模型内在的层次性,设计 了分布式自适应流量工程算法。为了使算法具有实时性强、收敛速度快、稳定性较好、运算 和网络开销小等特点,在设计中,采用了禁忌搜索和算法参数的非线性调整来提高算法的性 能。仿真分析表明,该算法能够实现对网络性能的全面优化,适合应用于骨干网的流量优化.     

基于特征符号表示的网络异常流量检测算法

为了准确检测网络中的流量异常情况,确保网络正常运行,提出基于特征符号表示的网络异常流量检测算法（NAAD-FD）. NAAD-FD算法利用趋势转折点将网络流量数据按照基于趋势特征的符号表示方法进行转化,按照表示结果将原始数据转化为包含7项特征值的子序列,将7项特征值运用到提出的距离计算方法中;结合基于密度的算法,按照时间序列的网络异常流量定义执行异常检测. 通过对算法参数、仿真数据和真实网络流量数据的实验与分析可知,该算法具有较强的鲁棒性,验证了该算法的有效性和稳定性. 该算法通过降维简化表示,显著降低了算法的时间复杂度,有效加速异常检测过程约40%.     

引入风险的投资项目财务效益分析模型

投资项目每年所处风险环境有所差别,这导致了该投资项目各年预计净现金流量发生相对变化.本文从此变化着手,通过建模量化了风险对项目各年预计净现金流量的影响.然后,设计了一种新的风险净现值算法,该算法在净现值算法的基础上考虑了风险的影响.这种新的算法是根据预计净现金流量的变化趋势将投资项目运营期划分为不同阶段,再计算各阶段的风险净现值.案例分析表明,与常规净现值算法相比风险净现值算法得出的结论能给出更多有效信息供投资者参考.     

采用Benders分解的5G核心网用户面动态部署算法

为了应对5G网络时变的数据流量负载，同时满足5G低时延业务需求，提出基于Benders分解的用户面功能(UPF)部署与流量调度多阶段规划算法，以实现边缘网络环境下5G核心网用户面的动态部署.以最小化边缘服务器能耗、UPF部署成本及用户面数据时延为目标，考虑部署决策的延迟影响，建立UPF部署和流量调度多阶段规划模型.用Benders分解算法，将模型分解为UPF部署主问题和一系列流量调度子问题，交替迭代求解主问题和子问题，以获得最优的UPF部署和流量调度.仿真结果表明，所提算法在保证求解精度的同时具有较快的收敛速度；与逐阶段求解方法和基于马尔可夫决策过程(MDP)的启发式算法相比，所提算法分别节省了10.4%和5.1%的总运营成本.     

高效率多线程网络流量采集算法研究及实践

介绍了采用SNMP协议采集CISCO路由器网络流量的方法,对流量采集算法进行了分析,提出一种高效率的流量采集算法.创建四个线程进行数据采集和处理:发送线程、接收线程、预处理线程和存储线程.发送线程负责发送SNMP请求报文,接收线程负责接收SNMP响应报文,预处理线程过滤及整合采集到的流量信息,存储线程负责将预处理后的数据持久地存入数据库中.由于采用并行方式进行数据采集,该算法较串行采集效率高,并在实践中验证其可行性.     

基于分形理论P2P流量行为的自相似性

针对单个主机单个协议流量的自相似性和非宏观上流量的自相似性,分析了端到端（P2P）网络流量的自相似性. 对常见的端到端(P2P)应用进行分析后发现,其应用层数据存在自相似性,且在时间尺度与行为尺度的比较中,P2P应用层流量在行为尺度上的自相似性表现得更加明显和稳定. 为了将行为尺度上的自相似性应用到业务感知领域,提出了一种新的P2P流量识别算法,该算法通过计算网络流量不同行为尺度下的容量维,再辅以主动系数来识别P2P流量. 实验结果证明,新算法在P2P流量识别方面的准确率高于同类算法,在加密流量的识别上表现尤为突出.     

区域发现及自适应优化的分级移动性管理算法

针对蜂窝小区用户移动特征、切换强度和业务流量不断变化可能造成分级管理结构失效的问题,提出基于切换强度和业务强度的区域发现及自适应优化算法. 该算法通过实时测量蜂窝小区之间的切换强度或业务强度,发现两者相对集中的几个小区;通过区域自适应优化的算法,把这些小区聚合到同一管理区域下,从而使原来发生在不同管理区域的切换或者流量转化为同一管理区域内部的切换或者流量. 在分级结构信令开销模型基础上,对算法进行了理论分析和仿真实验. 结果表明,其能有效减少系统信令开销,提高切换速度和节点流量.     

基于色彩特征的CAMSHIFT视频图像汽车流量检测

针对视频图像中目标车辆尾灯及背景色彩在HSV空间分布上的特点,提出了把车辆尾灯作为跟踪目标,恰当选取色彩特征参数,采用CAMSHIFT目标跟踪算法对汽车流量进行检测的技术方案.研究了基于HSV色彩空间的CAMSHIFT目标跟踪算法在视频图像汽车流量检测中的实现,并用实际拍摄的交通视频图像对该检测算法进行了验证.实验结果表明,本文算法具有较高的准确度,能够有效跟踪以各种速度行驶的车辆,可以较好地应用在汽车流量检测领域中.