两种网络业务流分析方法的应用与实现

为了对网络业务流和网络性能进行测量与分析 ,我们根据 CAINONET的业务流设计课题实现了一个业务流设计的原型系统 - - - -业务流测量分析系统 TMAS.在 TMAS的分析子系统中 ,我们实现了业务级的分析方法 ,即具有路径约束的关联规则算法 PRAR和具有时态路径约束的关联规则算法 TPRAR.本文中我们先举了一个这两种算法的应用例子 ,再给出了这两种算法在 TMAS系统中的实际运行结果 .实际运行显示 ,这两种业务级分析方法可以弥补已有分析方法的不足 ,为进行网络业务流控制进一步提供了有效的依据     

面向业务流设计的TPRAR算法研究

通过对网络业务进行分析来达到对网络性能进行评价和优化变得日益重要.提出了一种新的基于业务流分析方法,采用关联规则挖掘的算法对全网业务进行关联关系分析.该方法在Apriori算法的基础上,引入时态约束和路径约束,使之更加体现网络业务的特性.使用该方法,可以充分利用已有数据,分析已有业务的行为,且可以预测未来业务的行为.并指出该分析方法是以业务为分析单位的,运用该方法可以从业务角度对网络状况和网络行为进行分析.     

面向网络业务流设计的路径约束序列模式挖掘算法

通过对网络业务进行分析来达到对网络性能进行评价和优化变得日益重要，本文给出了一种新的网络业务分析方法－路径约束序列模式挖掘算法（PRSP），该算法利用频繁数据项集的性质，在求出候选频繁项集的同时也求出了其支持度，并且在求候选频繁序列时也减少了候选频繁序列的个数，极大提高了挖掘的效率和速度，实验结果表明，该算法是有效的。     

数据挖掘技术在网络业务流设计中的应用

论述了数据挖掘技术在网络业务流设计中应用的必要性和可行性，探讨了在进行网络业务分析时运用数据挖掘技术的全过程，并指出该分析方法是以业务为分析单位的，运用该方法可以从业务角度对网络状况和网络行为进行分析。     

CTES中基于规则的网络业务流测量新方法

业务流设计是网络工程的一个重要方面 ,用于网络的性能评价和性能优化 .中国高速信息示范网 (CAIN-ONET)业务流设计系统 (CTES)的目的是对 CAINONET网络的性能进行评价 ,为其优化提供决策依据 .而为达到优化网络性能目标 ,首先要对 CAINONET网络业务进行实时测量 .在综合分析已有各种网络测量方法的基础上 ,我们提出了一种新的基于规则的业务流测量方法 - CTES规则测量方法 ,并在 CTES中进行了应用 ,解决了已有测量方法的一些不足     

保证业务流QoS的EDF算法

1 引言网络的服务质量(QoS)对网络的吞吐量、端到端的延迟和分组的丢失率等性能参数提出了严格的要求。本文主要涉及时间延迟参数,可以用分组的端到端延迟来衡量。准许控制通过限制业务流的连接数量,能提供固定延迟的服务,但很多调度按最大资源需求分配,导致网络资源利用率低。网络延迟包含三个部分:传播延迟、传输时间和队列延迟,其中传播延迟取决于空间距离、传输介质,而传输延迟取决于数据包的大小和网络带宽,队列延迟是数据包在队列中等待的时间延迟,其中前两种的延迟是固定的。延迟主要由调度的策略决定,它是端到端延迟中变化的量,容易引起延迟发生抖动,因此,必     

序列模式挖掘在网络业务流分析中的应用

网络业务流分析是为了适应网络优化的需要而出现的分析方法。把一种新的序列模式挖掘算法用于网络业务流分析,对网络业务的模式进行挖掘,性能上优于以往的算法。     

CAINONET业务流设计系统的通信模型描述

业务流设计是网络工程的一个重要方面,用于网络的性能评价和性能优化。Petri网具有异步并发的特性,主要应用于分布式系统。中国高速信息示范网（CAINONET）业务设计系统（CTES）是一个典型的分布式系统,CTES各模块分别部署在网络的不同节点上,整个系统的正常运行依赖于各模块间的相互通信。本文在基本Petri网的基础上,针对CTES的系统动态重构的特性（即模块个数不定性）,提出了一种新的Petri网,对CTES的通信模型进行了描述。     

一种新的网络业务流的多重分形小波模型

针对当前Internet上日益复杂的网络业务流和视频流,文章提出了一种新的多重分形小波模型．与普通的多重分形小波模型(Multifractal Wavelet Model,MWM)不同的是,该文提出的新模型在各个时间尺度上对小波系数都依据源数据尺度系数的边缘分布作了修正,这样确保新模型能在不同的时间尺度上拟合源数据的分布．决定网络业务流的排队分析特性的是一个关键时间尺度(Critical Time Scale,CTS),CTS是随着缓冲区的容量和节点传输速率的变化而变化的,该文提出的模型能描述几乎各个时间尺度的业务流特性,因此能适应各种不同情况的缓冲区的排队分析．同时,新模型也继承了传统MWM的一些优良特性,比如能描述业务流的多重分形特征以及能确保最终结果始终是非负等等．最后通过对视频业务流和网络业务流的仿真实验与排队分析验证了该模型的有效性．     

网络平滑算法在流量工程中的应用

流量工程是当前IP网络解决QoS问题的关键技术之一。然而目前实现流量工程的LSP分布算法一般只对网络资源的利用率进行优化,可能导致网络负载的不平衡。文中引入网络负载平滑度的概念,定义了链路代价函数。针对当前主要的LSP分布算法“带宽．跳数算法”在网络负载平滑度方面的不足,提出由代价函数控制的网络平滑算法,并对算法进行了分析,最后给出相应的实验结果和结论。     

网络环境自适应的流量特征拟态技术

流量拟态技术将传输数据伪装成特定白名单协议以突破网络流量审查,实现隐蔽数据传输.随着检测对抗的愈加激烈,基于静态规则的混淆隐蔽传输技术局限性愈加突显,在混淆固有特征时容易形成新的网桥协议指纹.设计并实现基于当前网络环境特征的自适应流量拟态协议网桥,通过对环境中正常HTTP流量的特征提取分析,预测生成拟态网桥采用的混淆特...     

最短路径算法在交通导航方面的应用和改进

将Dijkstra的最短路径算法应用到交通运输,对用户出行的路线选择提供指导。将现实中跟地理位置有关的数据转变为适合算法处理的数据结构,并对原有算法进行了存储结构方面的改进。计算路段的权值时不仅仅考虑其长度,而且考虑到了拥塞状况,加入了动态变化的拥塞系数,使这一权值更加合理。     

基于Bagging算法和遗传神经网络的交通事件检测

提出一种集成遗传神经网络的交通事件检测方法,以上下游的流量和占有率作为特征,RBF神经网络作为分类器进行交通事件的自动分类与检测。在RBF神经网络的训练过程中,采用遗传算法GA（Genetic Algorithm）对RBF神经网络的隐层中心值和宽度进行优化,用递推最小二乘法训练隐层和输出层之间的权值。为了提高神经网络的分类能力,采用Bagging算法,进行网络集成。通过Matlab仿真实验,证明该方法相对于传统的事件检测算法能更准确、快速地实现分类。     

ATM网络CBR流量时隙映射的时延特性

信元时延对ＣＢＲ流量有着重要影响。本文在分析信元时延产生原因的基础上，研究了基于信元接口的ＡＴＭ网络时隙映射的信元时延，给出了信元时延的计算公式，并确定了其上限。     

基于模糊聚类分析的公路隧道短期交通量预测

公路隧道交通量具有高度的复杂性、模糊性和随机性,常规的方法难以对其准确预测。模糊聚类分析是一种模糊数据挖掘方法,使用该法对同一时段交通量的历史数据进行处理,建立模糊相似矩阵,获得它们的聚类模式,在此基础上判断被预测样本所属的聚类模式。由于同一模式的样本具有高度相似性,可以用它们的交通量数据来预测新值。分析和计算结果表明该方法容易实现,且具有较高的预测精度。     

网络管理告警数据库中时序规则挖掘的一种新方法

提出一种基于“最小发生的双时间窗口约束”时序规则挖掘新方法。该方法依据“双时间窗口”约束和“最小发生”判据,可判别在一个时间窗内的哪些告警事件导致了另一个时间窗内告警集合事件的产生,快速寻找出不同网络设备告警与其它网络设备告警之间的关联知识。通过对采集某省级IP网的告警数据库进行规则挖掘实验,表明该方法可以准确、快速地挖掘出海量网络告警数据库中大量有意义的时序规则,这些规则可作为选验知识来指导网络智能化故障定位、诊断及预测。     

一类双环网的特征分析及寻径控制

本文首先提出双环网中任意节点之间的最短路径求取方法，而后针对一类跨度为ｈ（≤Ｌ√」＋１）的双环网进行拓扑分析（Ｎ为网络规模），并构造了一个十分简便的最优寻径算法，最后给出一个容错寻径算法。