基于RTT的TCP拥塞控制慢启动改进算法

分析目前TCP拥塞控制的慢启动策略及其存在的短连接带宽浪费、过度丢包等实际问题,提出一种基于RTT（Round Rrip Time,往返时延）反馈的TCP慢启动改进算法SS IM(Slow Start Improved)。改进算法在慢启动过程前期为快速利用当前有效网络带宽,拥塞窗口保持较高速度增长,后期为避免加重网络拥塞,根据当前网络状况动态地缓慢调整拥塞窗口增长因子,使cwnd（congestion window,拥塞窗口）平滑过渡到ssthresh（slow start threshold,慢启动阈值）。性能分析和NS2仿真实验结果表明,改进算法能有效地减少分组丢包数,提高网络吞吐量,降低路由排队时延,平缓数据突发量冲击,降低网络拥塞发生的可能性,利于网络性能的提高。     

TCP-BM:一种适用于异构网络的TCP协议改进策略

针对异构网络中的拥塞控制问题进行了研究,以传统的TCP Reno协议为基础提出一种改进算法TCP-BM。利用往返时延值将慢启动阶段分为三个部分;利用往返时延值将拥塞避免阶段分为正增长和负增长两个过程。网络发生丢包后,通过往返时延值与历史记录的比较以及估计的带宽值的比较,区分丢包原因,从而对拥塞窗口和慢启动阈值采取不同调整策略。仿真验证证明,改进后的TCP算法性能优于传统的TCP Reno协议。     

基于GEO卫星链路丢包区分的TCP Westwood改进算法

在分析TCP Westwood (TCPW)算法优缺点的基础上,针对其应用于同步轨道(GEO)卫星链路时存在的不足,结合Vegas、Veno及LogWestwood+等改进算法的优势,基于预测的下一时刻的网络带宽,把窗口调整与带宽利用情况相结合,提出了一种新的适合于GEO卫星链路的基于丢包区分的TCP Westwood改进算法。改进算法将每个阶段的窗口调整与带宽估计、网络状态紧密联系起来,结合网络状态和带宽估计判断拥塞窗口的合理性,动态地调整拥塞窗口,使拥塞即将发生时,窗口能及时下降到适宜的水平,尽量避免由于拥塞而导致的分组丢失。仿真结果表明,改进算法提高了TCP westwood在GEO卫星链路中应用时的性能,具有较好的吞吐量、公平性、友好性和较低的丢包率。     

卫星网络中一种改进的TCPW算法

针对卫星网络通信路径改变会引起往返时延剧烈变化,以及长延时环境会引起TCPW校准拥塞窗口精度下降的问题,提出了一种TCPW的改进方案——TCPW-CC。该算法减小了空间链路传播时延对算法性能的影响,利用星上拥塞系数δ作为调整拥塞窗口的依据,同时将窗口调整从每丢包后进行一次修改为每一个RTT进行一次,使得窗口的增长不再激进。仿真实验表明,所提改进方案提高了网络吞吐量,降低了丢包率。     

基于动态阈值的拥塞控制算法研究

针对主动队列管理算法BLUE缺乏早期拥塞检测机制及其在参数设置方面存在不足, 提出了一种基于动态阈值的拥塞控制算法。算法从系统资源分配角度出发, 对缓冲资源进行合理有效分配, 根据缓冲空间的利用情况预测网络拥塞并动态调整控制阈值, 及时准确地调整丢包率。NS仿真实验表明, 该算法能有效减少BLUE算法存在的队列溢出或空闲, 能有效保持队列长度稳定, 提高链路利用率。     

V2G网络中基于带宽自适应的拥塞控制协议优化

V2G网络下PLC链路带宽受限、高误码率等特点导致现有的TCP NewReno拥塞控制机制缺乏对丢包类型的有效判断,将链路上由噪声干扰的随机错误丢包与网络拥塞丢包统一当做拥塞事件处理,从而造成不必要的拥塞避免,导致了低吞吐量问题.根据此问题,提出了一种基于带宽自适应的拥塞控制算法.该算法通过分组预测拥塞等级感知网络状态,由此估计可用带宽来判断丢包类型,实现了拥塞窗口自适应调节.仿真结果表明该算法在拥塞窗口的增长、吞吐量、公平性、收敛性和友好性等方面都优于现有算法,V2 G网络的吞吐量得到明显提升.     

TCP传输中往返时延偏移智能响应机制研究

为了提高高丢包率环境下的TCP传输性能,提出一种往返时延偏移智能响应机制。对往返时延偏移值进行标准化处理得到标准延迟因子,用这个因子对拥塞窗口增长和减小量进行修正,实现拥塞窗口增长速度随往返时延偏移自适应调整,能够区分随机丢包和网络拥塞。开发Linux内核模块实现了往返时延偏移智能响应机制,可快速部署到所有基于AIMD策略的拥塞控制机制。仿真结果表明,使用往返时延偏移智能响应机制,平均吞吐量超过cubic算法57%,能够有效提升高丢包率环境的带宽利用率。     

基于路由队列资源自适应的非线性随机早期检测算法

针对随机早期检测(RED)算法在网络拥塞控制中的缺点和复杂性,提出了基于路由队列资源(缓冲)自适应的新算法(ND-RED)。该算法采用非线性丢包策略和动态调整算法参数的方法,使得路由队列长度稳定在参考值附近,从而有效控制了网络拥塞,高效地利用了资源。最后实验结果表明,ND-RED算法具有良好的稳定性,在队列控制和丢包率控制方面优于RED算法。     

拥塞窗口自适应的TCP拥塞避免算法

针对TCP Reno拥塞避免阶段拥塞窗口增长不够平滑的缺陷,在研究分析TCP Reno拥塞控制算法的基础上,提出一种基于拥塞窗口自适应调整增长因子的拥塞避免新算法——在拥塞避免阶段采用压缩特性的对数增长因子函数。在网络情况良好阶段,该因子增长速率大,以充分利用网络资源;而在逼近网络拥塞阶段,该因子以较小的速率增长,以避免过激的拥塞丢包。数学分析说明了新算法的可行性,并通过NS仿真对其吞吐量、公平性、友好性进行评估。仿真结果表明该改进的TCP拥塞避免算法的有效性。     

新TCP拥塞窗口调整策略

互联网的稳定性和鲁棒性离不开拥塞控制,然而目前TCP传输中广泛使用的AIMD算法因窗口波动剧烈,致使丢包明显、系统吞吐量及带宽利用率偏低。为此提出了一种新的TCP拥塞窗口调整策略A-Cwnd。该策略依据RTT采样值构建正态分布函数式,动态更新下一拥塞窗口值,能较好地适应网络实时变化特点,具有不错的响应性。从数学角度对新策略的合理性与可行性进行了分析证明。NS3仿真结果表明新策略可有效稳定窗口波动、增大发送速率、降低丢包率,同时对系统吞吐量及带宽利用率的提高也有一定贡献。     

Web数据挖掘技术及工具研究

Internet应用的普及使得数据挖掘技术的重点已经从传统的基于数据库的应用转移到了基于Web的应用。文章就Web挖掘技术的概念、分类及文本挖掘和用户访问模式挖掘的实现技术做了详细的阐述,并在此基础上介绍了一些实用的Web挖掘工具。     

WinRAR使用技巧四则

WinRAR是Windows上常用的压缩解压缩工具。由于它支持包括ZIP在内的多种压缩格式．且压缩速度较快压缩率较高，故现在已成为Windows上非常流行的压缩软件。下面是笔者在使用中总结的一些经验．在这里共享出来．希望能对你使用这个软件有所帮助。     

数据挖掘的应用和发展趋势叶磊

由于数据挖掘在各行业中的广泛应用,因而该技术引起了人们的普遍关注,近年来该技术在金融、电信、零售、医疗、科研等行业领域内发挥了巨大的作用。网站的数据挖掘(Websitedatamining)即Web挖掘、生物信息或基因的数据挖掘以及空间数据挖掘成为数据挖掘领域新的研究热点。     

Efficient Incremental Maintenance of Frequent Patterns with FP-Tree

Mining frequent patterns has been studied popularly in data mining area. However, little work has been done on mining patterns when the database has an influx of fresh data constantly. In these dynamic scenarios, efficient maintenance of the discovered patterns is crucial. Most existing methods need to scan the entire database repeatedly, which is an obvious disadvantage. In this paper, an efficient incremental mining algorithm, Incremental-Mining (IM), is proposed for maintenance of the frequent patterns when new incremental data come. Based on the frequent pattern tree (FP-tree) structure, IM gives a way to make the most of the things from the previous mining process, and requires scanning the original data once at most. Furthermore, IM can identify directly the differential set of frequent patterns, which may be more informative to users. Moreover, IM can deal with changing thresholds as well as changing data, thus provide a full maintenance scheme. IM has been implemented and the performance study shows it outperforms three other incremental algorithms: FUP, DB-tree and re-running frequent pattern growth (FP-growth).     

An integrated,generic approach to pattern mining: data mining template library

Frequent pattern mining (FPM) is an important data mining paradigm to extract informative patterns like itemsets, sequences, trees, and graphs. However, no practical framework for integrating the FPM tasks has been attempted. In this paper, we describe the design and implementation of the Data Mining Template Library (DMTL) for FPM. DMTL utilizes a generic data mining approach, where all aspects of mining are controlled via a set of properties. It uses a novel pattern property hierarchy to define and mine different pattern types. This property hierarchy can be thought of as a systematic characterization of the pattern space, i.e., a meta-pattern specification that allows the analyst to specify new pattern types, by extending this hierarchy. Furthermore, in DMTL all aspects of mining are controlled by a set of different mining properties. For example, the kind of mining approach to use, the kind of data types and formats to mine over, the kind of back-end storage manager to use, are all specified as a list of properties. This provides tremendous flexibility to customize the toolkit for various applications. Flexibility of the toolkit is exemplified by the ease with which support for a new pattern can be added. Experiments on synthetic and public dataset are conducted to demonstrate the scalability provided by the persistent back-end in the library. DMTL been publicly released as open-source software (), and has been downloaded by numerous researchers from all over the world.     

Web使用信息挖掘综述

Web使用信息挖掘可以帮助我们更好地理解Web和Web用户访问模式,这对于开发Web的最大经济潜力是非常关键的。一般来说,使用信息挖掘包含三个阶段：数据预处理,模式发现和模式分析。文章以这三个阶段为PWeb框架,分别介绍了数据预处理的技术与困难,Web使用信息挖掘中常用的方法和算法,以及主要应用。     

Web使用模式挖掘研究

Web使用模式挖掘是利用Web使用数据的高级阶段，文中分析了Web使用模式挖掘流程及挖掘技术后，架构了一种用于Web使用模式的工具，并将其应用在优化Web站点的链接结构，发现潜在客户等方面。     

视频挖掘技术综述

随着视频数据越来越容易获取和存储，视频数据的有效利用问题日益突出。视频数据挖掘近年来受到了国内外研究人员的极大关注。它旨在提取视频数据的语义信息并挖掘出隐含其中的有用模式和知识，从而实现智能视频应用，辅助人们决策。通过对国内外研究进展的跟踪分析，归纳了视频挖掘的概念，并对其实现方法和应用领域做了较为详细的总结和讨论，指出了视频挖掘技术研究所面临的挑战。     

聚类挖掘在监控视频中的应用

提出了一种针对监控视频数据的挖掘算法.算法根据输入视频帧与可更新背景帧的差异计算帧运动量,按运动量所属类型分割视频段,然后根据视频段的平均运动量采用K均值算法进行聚类分组.通过对大楼走廊的监控视频进行运动量挖掘,能对可能的异常事件给予告警,发现一天中各时段走廊的拥挤程度和模式.实验结果表明该挖掘算法对于室内走廊监控视频是有效的和鲁棒的,可以在一定程度上提高监控视频的智能应用.     

视频挖掘研究进展

视频挖掘技术近年来受到了国内外研究者的逐渐关注,但研究还处于初步阶段,实际的应用系统很少,有关概念、系统结构和技术方法仍需深入研究。在回顾国内外研究动态的基础上,对视频挖掘的研究现状进行了归纳、评述;探讨了视频挖掘的概念,清理了视频挖掘与相关技术的联系与区别;展望了视频挖掘研究中的重点问题和解决思路。