小波消噪和蚁群优化支持向量机的网络流量预测模型

针对当前网络流量预测模型精度低的缺点,本文提出了一种新型的小波消噪和蚁群算法优化支持向量机的网络流量预测模型。首先采用小波阈值法对网络流量进行消噪处理;然后将网络流量输入到支持向量机中学习,并采用蚁群算法对支持向量机的参数进行优化,建立网络流量预测模型,最后采用实际网络流量数据进行仿真实验,结果表明,相对于其它网络流量预测模型,本文模型提高了网络流量的预测精度,具有更好的鲁棒性。     

大数据分析技术的海量网络流量建模与预测分析

为了有效避免网络拥堵,文中提出基于大数据分析技术的海量网络流量建模与预测分析方法,准确预测网络流量数据.首先利用经验模态分解处理网络流量数据,获取模式函数分量,分析网络流量的短相关性,然后通过确定数据平稳性、计算平稳时间网络流量序列的自相关系数和偏自相关系数,建立网络流量的预测模型,最后进行了网络流量的仿真实验,实验结...     

基于改进蚁群算法的电力工程数据分析管控方法研究

为了平衡电力工程数据管控的收敛速度与解的多样性,提出了一种新型的启发式通信异构双种群蚁群算法（HHACO）。该算法通过将启发式通信、3-OPT局部搜索规则及异质蚁群系统相结合,并进行设计。其中启发式交流是一种间接交流策略,有助于改善解的偏差,而3-OPT算法能够提高解的多样性,异质蚁群则侧重于平衡收敛速度。通过分析电力建设项目目标控制,建立了费用-工期-质量动态多目标优化模型,进而实现了对电力工程进度的综合管控。将HHACO与经典蚁群优化算法、粒子群算法和模拟退火算法进行比较的结果表明,HHACO在大规模问题上的性能更优,且在保证质量的基础上缩短了1/4的工期,具有良好的实际应用效果。     

基于蚁群优化的高性能拥塞控制路由机制

为了有效地解决偏远地理区域通信网络存在的网络拥塞严重、数据成功传输率低、数据冗余率高以及网络整体性能不佳等问题,通过考虑网络节点运动区域性特点,基于蚁群优化机制,设计出一种新型的容延容断网络 (DTN) 拥塞控制路由优化算法。该算法结合蚁群优化机制中的信息素因子,在同一对源、目的网络节点之间进行多次数据信息传输操作。在数据信息传输方向上,获取各个网络节点的中转跳数平均值,评估各个网络节点的中转价值;参考蚁群优化机制中的启发值因子,将网络节点的中转价值与剩余存储容量相关联,构成网络节点作为中转节点的评定参数,选取评定参数最大的网络节点完成其中转任务。实验表明：该算法有效控制了网络拥塞,提高了数据成功传输率,降低了数据信息冗余率,使网络整体性能得到进一步优化。     

基于智能预警技术的输电线路在线巡视方法

针对常规技术对输电线路在线巡视效率低下、误差率高的问题,提出了基于智能预警技术的输电线路在线巡视方法,设计一套基于5G通信和无线数据通信技术的输电线路在线智能预警系统,通过ARM+DSP双核处理器实现输电线路故障识别。采用无人机技术实现高空输电线路巡检,通过改进型蚁群算法模型实现输电线路故障检测,并设计了故障检测定位技术,利用融入行波定位技术的蚁群算法模型提高了输电线路在线巡视能力。实验表明,方法定位精确、误检率低,具有一定的实际应用价值。     

蚁群聚类算法在客户关系管理中的应用

蚁群算法是优化领域中一种新兴的生物进化算法,与传统的算法相比,其具有并行、正反馈和启发式搜索等特点.在此,运用蚁群聚类算法对客户关系管理中的客户分类问题进行分析.结果表明,通过此算法对企业的客户消费数据进行分类,以此来获取不同类型客户的需求,对支持企业决策方面有着极为重要的理论参考价值和实际应用意义.     

基于Hadoop的网络分流和流特征计算

网络流量特征计算是网络流量分析的一个重要步骤,对于海量网络流量数据,并行化计算网络流量特征是高效网络流量分析的重要方法.针对传统单机处理成本高、可扩展性差的问题,提出一种基于MapReduce编程模型的网络流量分析方法,并行实现网络分流和流量特征计算.通过使用Hadoop平台对实际数据进行分析,统计常用网络流量属性特征,实验表明,该方法分析网络流量特征的结果准确可信,且适合分析大流量数据.     

基于改进蚁群算法的通信网数字信号调制识别方法研究

在通信技术快速发展的背景下,通信信号的各类调制方式的发展尤为突出.由于信号环境的逐渐密集,使得传统的识别方法难以适应实际需要,因此,通过改进蚁群算法识别步骤设计,并提取调制信号及特征识别参数,确定数字信号识别临界点,设计一种基于改进蚁群算法的通信网数字信号调制识别方法.实验证明,该方法与传统方法相比识别结果误差更小,将其应用于实际具有明显优势.     

在线铁谱图像分析中基才蚁群算法改进Otsu的设计与应用

在线铁谱图像获取机器磨损状态信息是铁谱诊断技术的核心和瓶颈。针对在线铁谱磨粒图像的Kirsch边缘检测特征不明显和Otsu（最大类间方差法）获取最佳阈值的局限性及耗时等问题,设计了一种基于蚁群算法改进Otsu方法完成图像分割,并结合Kirsch边缘检测来提取磨粒图像信息的新方法。首先通过Kirsch算子检测出图像边缘．然后运用基于蚁群算法改进Otsu方法求取最佳阈值并进行二值化处理．最后采用灰度堆栈空间实现磨粒自动定位。通过现场对三峡电厂5号水轮发电机组2012年油液进行试验和数据分析、及近一年的机组开机老化运行．得出所设计的算法能够有效提取磨粒图像信息,同时节省运算时间,对水轮机组故障预测、诊断起到了良好的实际作用。     

在线铁谱图像分析中基于蚁群算法改进Otsu的设计与应用

在线铁谱图像获取机器磨损状态信息是铁谱诊断技术的核心和瓶颈。针对在线铁谱磨粒图像的Kirsch边缘检测特征不明显和Otsu(最大类间方差法)获取最佳阈值的局限性及耗时等问题,设计了一种基于蚁群算法改进Otsu方法完成图像分割,并结合Kirsch边缘检测来提取磨粒图像信息的新方法。首先通过Kirsch算子检测出图像边缘,然后运用基于蚁群算法改进Otsu方法求取最佳阈值并进行二值化处理,最后采用灰度堆栈空间实现磨粒自动定位。通过现场对三峡电厂5号水轮发电机组2012年油液进行试验和数据分析、及近一年的机组开机老化运行,得出所设计的算法能够有效提取磨粒图像信息,同时节省运算时间,对水轮机组故障预测、诊断起到了良好的实际作用。     

应用层负载特征定义及自动提取方法

针对现有网络流量识别中应用层负载特征提取方法对训练数据中字节值变化较为敏感的问题,首先定义了一种新的以位为最小特征单位的网络流量应用层负载特征,然后设计了相应的自动提取方法。通过3种常用标准协议的实验表明,自动提取方法可以快速获得负载特征,特征识别结果准确性高。对QQ私有应用协议的实验表明,使用获取到的负载特征进行网络流量识别,可以满足实际网络中对QQ网络流量识别的要求。     

通信网络非线性流量数学建模预测与分析

为解决当前预测方法不能描述流量长期相关性,导致预测准确度不高的问题,提出了一种通信网络非线性流量数学建模预测与分析方法。从通信网络中采集的原始非线性流量数据来源于各个基站,所包含的信息参差不齐,对采集数据进行预处理,剔除异常值和重复数据,将空缺数据补充完整。非线性流量所包含的信息有限,利用随机森林算法提取流量特征,降低数据处理维度。将通信网络非线性流量特征进行卷积操作,使用交叉熵函数作为损失函数,对输入预测模型的特征向量进行深度学习,得到通信流量预测结果。以通信运营企业基站流量数据为测试数据进行实验,结果表明,本次设计的数学建模预测分析方法能够降低NRMSE和MAPE,提高预测结果的决定系数,为通信网络分析提供依据。     

基于混沌理论与改进回声状态网络的网络流量多步预测

网络流量预测是网络管理及网络拥塞控制的重要问题,针对该问题提出一种基于混沌理论与改进回声状态网络的网络流量预测方法。首先利用0-1混沌测试法与最大Lyapunov指数法对不同时间尺度下的网络流量样本数据进行分析,确定网络流量在不同时间尺度下都具有混沌特性。将相空间重构技术引入网络流量预测,通过C-C方法确定延迟时间,G-P算法确定嵌入维数。对网络流量时间序列进行相空间重构之后,利用一种改进的回声状态网络进行网络流量的多步预测。提出一种改进的和声搜索优化算法对回声状态网络的相关参数进行优化以提高预测精度。利用网络流量的公共数据集以及实际数据进行了仿真,结果表明,提出的预测方法具有更高的预测精度以及更小的预测误差。     

基于RSA算法的电力通信工程环境安全监测方法

为了精准判断网络流量异常行为,保证电力通信数据存储安全性,提升电力通信工程环境安全无线监测效果,研究基于RSA算法的电力通信工程环境安全监测方法.设计电力通信工程环境安全监测方法的技术架构,利用控制网采集电力通信工程环境网络数据,传输至管理网;利用RSA算法加密处理管理网接收的网络数据,加密后的网络数据存储于数据库内;利用时间序列图挖掘法分析加密后的网络数据,判断网络流量异常行为;分析存在异常行为网络流量间的相关特征,计算异常网络流量平均相关系数,检测出网络攻击类型,实现电力通信工程环境安全无线监测.实验结果证明：该方法可有效加密电力通信工程环境网络数据,提升网络数据存储安全性;该方法可精准判断网络流量异常行为,精准检测网络攻击类型,实现电力通信工程环境安全无线监测.     

基于改进型蚁群算法的P2P网络资源搜索的研究

目前P2P网络中的资源搜索算法以泛洪法为核心,产生的巨大网络流量加重了网络负载,只适合小型网络。蚁群优化算法具有较好的鲁棒性、并行性等优点,已有不少学者将其应用于P2P资源搜索。本文在分析蚁群算法应用于P2P网络中资源搜索面临的问题的基础上,给出一个适合蚁群算法的新型的P2P文件共享构架,以解决P2P路由的不一致性等问题。在P2P网络中应用能见度会带来3个缺点:容易导致局部极小解、容易导致流量集中、实际网络中的实现有较大难度,由此本文提出了去能见度蚁群算法。构建了开放式的网络仿真拓扑结构,通过一系列的实验结果验证了去能见度蚁群算法的全局能力更强。     

基于MapReduce的僵尸网络在线检测算法

目前僵尸网络主要是通过网络流量分析的方法来进行检测,这往往依赖于僵尸主机的恶意行为,或者需要外部系统提供信息。另外传统的流量分析方法计算量很大,难以满足实时要求。为此该文提出一种基于MapReduce的僵尸网络在线检测算法,该算法通过分析网络流量并提取其内在的关联关系检测僵尸网络,并在云计算平台上进行数据分析,使数据获取和数据分析工作同步进行,实现在线检测。实验结果表明该算法的检测率可达到90%以上,误报率在5%以下,并且数据量较大时加速比接近线性,验证了云计算技术在僵尸网络检测方面的可行性。     

基于Harr-SCML的军事空中对抗通信抗干扰方法研究

在军事空中对抗通信过程中,由于受到敌方电磁波等特定干扰,会造成通信信号信噪降低,传统方法抗干扰能力不强。为此,提出了一种基于Harr小波与强分类器机器学习算法(Harr wavelet-Strong classifier machine learning: Harr-SCML)的军事空中对抗通信中抗干扰方法。建立通信抗干扰模型,根据模型的输出结果能够判断出通信波形中的特征点的种类;建立通信波形训练样本,利用Harr特征分类器样本进行分类,能够获取波形多个尺度的Harr特征向量值。对于提取样本的Harr特征,利用决策树算法进行训练,能够将训练样本进行逐步分类,从而获取不同种类的干扰信号波形,最终进行准确的军事通信。实验结果表明,利用本文算法进行军事空中对抗通信,能够获取准确的通信信号,大大降低了误码率,有一定的实际应用价值。     

通信时延下无人机群集系统分群控制算法

针对存在通信时延的无人机群集系统分群控制问题,设计了基于蚁群算法的协同分群控制算法。借鉴蚁群算法概率公式,利用个体自身位置信息和存在通信时延的任务信息(期望子群规模和群目标运动信息),设计了子群数量和规模可控、结构和速度调整较小的分群策略;将存在通信时延的群目标运动信息融入协同分群控制律中,实现了子群速度动态可控的分群,并利用Lyapunov稳定性定理和LaSalle不变性原理进行了稳定性分析;通过仿真实验进行了方法的有效性验证。结果表明,在通信时延约束下,所设计算法能够使群集系统实现结构和速度调整较小的可控分群行为。     

小波分析与神经网络的网络流量预测模型

网络流量具有长相关、非平稳性与多时间尺度特性。提出了一种基于小波分析与AR(p)人工神经网络相结合的网络流量预测模型,即WPBP算法。该算法采用小波分析得到网络流量在不同尺度下的近似信号和细节信号,并运用AR(p)的相关性理论确定近似信号序列和细节信号序列的相关程度(p值),与神经网络进行耦合,以p+1划分数据,前p项作为输入,后一项作为输出对网络进行训练,从而使得神经网络的输入与输出的选择更加合理,预测的结果也更加准确。用小波重构得到最终的流量预测值,用实际网络流量对该模型进行验证。仿真结果表明,该模型的预测效果较好。     

基于分布参数模型的通信网络数据挖掘加速算法

为优化通信网络数据挖掘效果,开展了基于分布参数模型的通信网络数据挖掘加速算法研究。首先,预处理通信网络数据,消除通信网络数据噪声影响、填补数据缺失值,获取完整数据。其次,选取待加速挖掘的通信网络数据候选属性子集。采用基于统计的通信网络异常点挖掘方法,挖掘通信网络数据异常点。在此基础上,设计通信网络数据挖掘加速算法内容,将挖掘加速聚类分析结果作为最终的数据挖掘结果,全方位、多维度地实现数据挖掘加速目标。实验结果表明,提出的算法应用后,通信网络数据挖掘速度始终高于对照组,加速效果较好。