共查询到20条相似文献,搜索用时 62 毫秒
1.
基于离散小波变换的网络流量多重分形模型 总被引:16,自引:0,他引:16
网络流量过程中所蕴含的分形尺度特性对网络性能有显著的影响。因此研究能全面准确地刻画网络流量过程在小时间/空间尺度上的复杂奇异性特征和大时间/空间尺度上的长程依赖性特征的流量模型对Internet网络工程有重要的意义。本文对实测的流量数据(从著名的校园网和国内著名的ISP)进行了分析,利用小波技术构建了一个新的网络流量的多重分形模型,通过模拟验证,发现该新模型能以较简洁的形式捕捉实际网络流量特性,并具有刻画真实流量数据中的多重分形特征的能力。 相似文献
2.
3.
提出一种基于JPEG2000中推荐的提升结构的5/3小波变换硬件实现方案。该方案在加载数据的同时进行边界扩展,无须对运算电路进行逻辑控制,可以复用加法器,提高了资源利用率。该方案在FPGA上仿真通过。 相似文献
4.
改进的基于小波变换和FARIMA模型的网络流量预测算法 总被引:1,自引:0,他引:1
提出了一种改进的基于小波变换和FARIMA模型的网络流量预测算法,先对经过预处理的流量进行小波分解,再进行Mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后合成流量。该算法较之传统的首先用FARIMA模型对小波系数进行预测再进行小波重构的算法减小了预测误差。仿真实验也验证了改进算法的预测准确性。 相似文献
5.
6.
为了提高心电系统除噪效果和运算速度,提出一种基于小波变换和FPGA的心电检测系统。利用离散小波快速算法—Mallat算法,简化小波算法的复杂性。并合理选择母小波和阀值的计算方法,提高了重构信号对真实信号的逼近程度。通过FPGA实现小波算法,利用FPGA运算的并行性,提高了系统的运算速度。采用VHDL编写AD和LCD的控制程序,实现了信号采集和显示的功能。经过MIT/BIH数据对算法进行了仿真验证,表明该算法具有良好的除噪效果,其信噪比SNR可达122.6987,均方差MSE可达0.0023。 相似文献
7.
基于小波变换的图像压缩编码 总被引:6,自引:1,他引:5
介绍了小波分析的基本概念和基本理论,阐述了一种基于小波变换的图像压缩编码方法,并通过计算机实验证明了经过小波变换编解码的图像在实现高压缩率的情况下能够保证很好的图像质量,具有较好的视觉效果。 相似文献
8.
一种基于小波变换和FIR神经网络的广域网网络流量预测模型 总被引:3,自引:1,他引:2
该文提出了一种基于小波变换和FIR神经网络的广域网网络流量预测模型,首先采用小波分解把网络流量数据分解成小波系数和尺度系数,即高频系数和低频系数,将这些不同频率成分的系数单支重构为高频流量分量和低频流量分量,利用FIR神经网络对这些分量分别进行预测,将合成之后的结果作为原始网络流量的预测。实验结果表明:采用该模型对实际的广域网网络流量数据进行预测,不仅可以得到较快的收敛效果,而且预测性能比现有的小波神经网络和FIR神经网络要好得多。 相似文献
9.
网络的流量特性是反映网络实时状态的一个重要特征,对于网络流量的分析、预测一直是该领域的研究热点。传统的基于时间序列模型的方法在计算效率和多尺度分析能力方面存在一定的局限性。本文提出了一种改进的基于小波变换和时变FARIMA模型的流量预测方法,利用小波变换的多尺度分析特性将原有的流量数据进行分解,在使用时变FARIMA模型进行预测,可大大提高算法的执行效率和预测的准确性。最后,本文选取了Bellcore提供的真实的网络流量进行了仿真实验,验证了提出的预测方法的准确性和有效性。 相似文献
10.
小波图像编码是近几年发展起:长的一种新兴的图像编码方法。本文结合小波变换的特点,对小波图像编码方案进行研究,并提出小波图像编码的新方案及实现方法。 相似文献
11.
本文针对大规模无线参数历史数据,以自学习的数据挖掘方法建立决策树智能分析模型,并对现网数据实现联机分析处理,是一种智能的主动发现无线参数配置问题的算法模型。 相似文献
12.
13.
This paper proposes a new approach for watermark extraction using support vector machine (SVM) with principal component analysis (PCA) based feature reduction. In this method, the original cover image is decomposed up to three level using lifting wavelet transform (LWT), and lowpass subband is selected for data hiding purpose. The lowpass subband is divided into small blocks, and a binary watermark is embedded into the original cover image by quantizing the two maximum coefficients of the block. In order to extract watermark bits with maximum correlation, SVM based binary classification approach is incorporated. The training and testing patterns are constructed by employing a reduced set of features along with block coefficients. Firstly, different features are obtained by evaluating the statistical parameters of each block coefficients, and then PCA is utilized to reduce this feature set. As far as security is concerned, randomization of coefficients, blocks, and watermark bits enhances the security of system. Furthermore, energy compaction property of LWT increases the robustness in comparison to conventional wavelet transform. A comparison of the proposed method with some of the recent techniques shows remarkable improvement in terms of robustness and security of the watermark. 相似文献
14.
目前流量调度策略无法做到智能按需化,尤其对于网络突发故障造成的拥塞以及高价值业务的护航场景,无法按需保障时延敏感的业务体验。通过分析研究不同网络业务流量时延敏感性属性需求,探索挖掘不同网络业务流量的行为特征与其时延敏感性需求之间的内在关联关系。然后利用AI技术对这种内在的关联关系进行学习,构建其映射关系,实现了时延敏感流智能感知调度。同时,考虑AI模型的可解释性及可部署性实际问题,采用强化学习剪枝优化可解释性决策树模型,提高模型的鲁棒性同时使模型更轻量化,易于设备部署实现。通过真实网络流量实验,强化学习优化后的决策树模型在单次推理情形下感知正确率提高1.75%,推理速度提升约30%;同时,实验也证明了使用局部微观统计特征多次推理有助于提高模型感知正确率。在所有实验中,强化学习优化的决策树模型规模缩小了60.0%~87.2%,并且Saras比Q-learning具有更好的优化表现。 相似文献
15.
16.
在异构无线网络环境下高速移动的终端用户需要随时随地接入网络,然而,在垂直切换过程中,由于终端用户对网络选择的偏好不同以及切换之后网络连接时间和状态难以得到保障,无法满足用户的切换需求。因此,提出了一种支持终端用户高速移动的基于认知自选择决策树的垂直切换方法。该方法首先根据网络属性和终端运动趋势建立相应的切换概率分布,然后根据用户偏好选择相应的决策树进行决策,最后通过对切换后终端的业务类型和运动状态进行反馈分析,提出了反馈认知决策方法。仿真结果表明,所提的方法不仅能够保证高速移动终端在异构无线网络下的切换质量,而且减少了不必要的切换,保证了网络的及时更新。 相似文献
17.
利用决策树和神经网络对AWGN信道下的综合调制识别 总被引:1,自引:1,他引:0
针对现有数字调制中多种调制类型混合时的调制识别问题,结合目前对单一调制类型识别各种方法,提出一种综合分类器来完成AWGN环境中的通信信号调制识别。该方法综合使用决策树和RBF神经网络,利用神经网络可以同时对多个特征参数进行非线性优化组合,得到的超曲面能够对整个特征空间进行较精细的分割,从而提高调制识别的整体性能。识别时以决策树为主,以RBF神经网络为辅,其识别效果良好。结果表明,复杂类型调制识别通过合理选择信号特征和分类器,优化识别方法,在一定程度上可以达到相应的识别要求。 相似文献
18.
19.
Induction is the process of reasoning in which general rules are formulated based on limited observations of recurring phenomenal patterns. Decision tree learning is one of the most widely used and practical inductive methods, which represents the results in a tree scheme. Various decision tree algorithms have already been proposed such as CLS, ID3, Assistant C4.5, REPTree and Random Tree. These algorithms suffer from some major shortcomings. In this article, after discussing the main limitations of the existing methods, we introduce a new decision tree induction algorithm, which overcomes all the problems existing in its counterparts. The new method uses bit strings and maintains important information on them. This use of bit strings and logical operation on them causes high speed during the induction process. Therefore, it has several important features: it deals with inconsistencies in data, avoids overfitting and handles uncertainty. We also illustrate more advantages and the new features of the proposed method. The experimental results show the effectiveness of the method in comparison with other methods existing in the literature. 相似文献