基于FBM模型的自相似流量建模仿真

网络流量建模是网络规划与性能评价的重要基础,传统的业务模型大多基于泊松模型和马尔可夫排队模型,只具有短程相关性,随着网络业务的不断研究发现,实际网络业务流在很长的时间范围内都具有长程相关性,即一种自相似性。本文采用RMD算法和Fourier变换法对网络流量的自相似模型-FBM模型进行了建模及仿真研究,生成了所需的自相似流量序列。然后分别采用R/S法和方差时间图法对其进行自相似参数检测。结果验证了仿真算法所产生的序列存在着自相似性,并同时对RMD算法和Fourier变换法的优缺点进行了分析。     

基于网络业务流的RMD算法模型设计

现代实际网络业务相比传统业务更为复杂，在各个时间尺度下表现出自相似的突发特性（相关函数上表现为长相关特性）。我们可以在线测量网络中的高速业务流，再根据实测时间序列数据，用RMD方法建立并分析高速业务流的自相似模型。RMD算法速度快，同时能很好的匹配业务流的自相似特性。     

一种基于小波的网络流量发生器设计

网络流量发生器在网络性能分析和协议实现中具有重要的作用。文章基于多分形小波模型，设计了一种自相似网络流量发生器。其中对随机数的生成、序列的截断、自相似序列的生成以及自相似流量的生成等主要设计部分进行了论述。与常用的基于分形布朗运动的模型的流量发生器相比，该发生器生成的流量具有更准确的自相似流量特性。     

自相似模型下的交换式网络仿真

传统模式下的网络仿真,报文到达均服从的是一种具有短相关特性的泊松分布。而经过大量业务流量监测表明,网络流量实际呈现出的确是一种具有长相关特性的自相似分布,这种特性对网络流量建模、性能分析、接纳控制等产生了重要影响。在对自相似特性深入分析的基础上,利用分型布朗运动模型的RMD算法产生自相似序列来模拟网络业务,并对该业务流特性下的交换式以太网进行了仿真实验。结果表明业务量的自相似性对交换式网络的各项性能影响很大,这与传统流量模型形成鲜明对比。     

基于ON/OFF源模型的OBS汇聚算法研究

近年来,大量研究表明,网络业务流量呈现长相关、自相似的特性,采用ON/OFF源模型生成自相似流能够比较真实地反映现实网络中的业务流量。光突发包的汇聚算法是光突发交换的关键技术之一,利用ON/OFF模型生成的自相似流对几种典型的OBS汇聚算法进行研究。仿真表明,不同算法对自相似的影响不同。     

自相似网络流量建模及分析

利用RMD方法生成了自相似分形FGN流量,并分别利用R/S分析法、时间方差分析法和小波功率谱密度分析法估计自相似流量的Hurst参数.然后,利用OPNET仿真软件对传统的排队模型M/M/1和自相似下的排队模型的平均排队延时和平均队列长度进行了网络仿真,从而得出自相似对排队性能的影响.     

基于MATLAB的RMD算法模型设计

现有的业务流模型难以描述高速业务流的高突发性,在线测量网络中的高速业务流,再根据实测的时间序列数据,用RMD方法建立并分析高速业务流的自相似模型。RMD模型自相关函数的近似程度较好,可以较好的模拟业务量。     

基于神经网络的业务量预测研究

分别采用back—propagation（BP）算法和Favidon最小二乘学习算法训练神经网络（NN），并用于复杂业务流量预测。以自相似流量模型验证了2种NN学习算法的有效性，并分析比较了他们在流量预测中的可行性，得出Davidon最小二乘学习算法训练的NN比BP算法收敛速度快、收敛误差相差不多，验证了复杂自相似业务流的可预测性，为复杂自相似网络业务流预测的研究提供了一种有效途径。     

适应自相似业务流量模型的CAC算法研究

分析了呼叫接纳控制算法研究的现状，提出一种适应自相似业务流量模型的呼叫接纳控制算法，在接纳判决过程中引入概率接纳机制。理论分析和仿真结果验证了算法的可行性和在自相似业务流量模型下相对于传统呼叫接纳控制算法的优越性。     

DTFT频谱细化特性分析及其快速算法设计

该文介绍了离散时间傅里叶变换 (Discrete Time Fourier Transform, DTFT)的一种等价定义式,分析了DTFT与线性调频Z变换(Chirp-Z transform)的联系与区别,推导出DTFT是一种特殊形式的Chirp-Z变换,具有频谱细化特性。设计了DTFT的快速算法,给出了算法实现步骤。算法计算量分析表明:在相同频率分辨率下,DTFT快速算法的计算量比Chirp-Z变换快速算法小。仿真结果验证了理论推导的正确性和DTFT在频率估计方面的优越性。     

网络流量预测中的时间序列模型比较研究

网络流量预测在新一代网络协议设计、网络管理与诊断、设计高性能路由器等方面都具有重要意义.目前通常采用ARMA和FARIMA时序模型对网络流量序列进行拟合与预测,但没有对时间尺度的大小与模型选择的关系进行研究.本文对实际网络流量在不同时间尺度(毫秒、秒、分)下进行了流量预测建模并对预测性能进行比较,分析表明使用时序模型进行流量预测时,大时间尺度(分)流量预测较小时间尺度(毫秒、秒)具有更小的预测误差.并且,对于小时间尺度上的自相似流量序列,自相似模型FARIMA并没有较其他时序模型有更好的预测性能.     

基于偏序图生成共识序列的改进星比对算法

多序列比对是生物信息学中十分常用的序列分析方法,主要用于分析分子进化关系、基因组分析、找出DNA序列之间的共同结构特征,从而准确判断序列结构和功能之间的具体联系。现今广泛使用的多序列比对方法主要分为渐进式比对和迭代式比对两种方式,但这两种方式在进行多序列比对时的时间开销相对较大,且比对结果准确性和复杂度受限于待比对序列的质量和相似度。相对来说,星比对算法的时间复杂度更低,常用于高相似度序列之间的比对。但对低相似度序列进行比对时,其结果精度还有待提高。针对星比对算法在低相似度序列中精度较差问题,文章提出了利用偏序图生成的共识序列对星比对算法进行了优化,结合SIMD并行策略加快共识序列的产生,从而扩大了算法的应用范围,提高了比对结果准确度,该研究最后通过实验证明了算法优化的有效性。     

光突发交换网中流量特性分析与汇聚机制研究

文章对光突发交换(OBS)网络中的IP流量特性以及汇聚机制进行了深入的研究,通过引入ON／OFF源模型来模拟OBS网络中数据业务的自相似特性,通过对仿真进行分析,验证了ON／OFF理论模型的正确性,最后,利用合成的可控Hurst参数流量源,对几种典型的OBS汇聚算法进行了仿真分析,结果表明,这些汇聚算法对严格自相似性流量的长相关性并没有抑制效果,只是在短时间内对流量具有平滑作用．     

对光突发交换网中组装算法的改进研究

提出了一种光突发交换网中基于自适应门限的改进型突发组装算法,并且对改进算法进行了仿真研究。研究结果表明,改进算法生成的突发包大小均匀,能够显著地抑制突发包包长的变化;并且该算法能够降低流量的自相似性,改善流量的性能,通过与以往同类的典型算法比较,可以看出该算法能更有效地实现流量整形,因而有利于进一步提高OBS网络的性能。     

自相似网络流量模拟的分布式系统的设计与实现

 随着网络应用的发展,网络流量不断加大,对于网络应用系统的测试也占有越来越重要的地位.良好的网络流量模型能较为真实的反映网络的情况,并能给与应用系统更为全面的测试.根据统计学的结果表明,网络流量在时间上具有自相似性.因此,对自相似流量模型的研究十分重要.为了克服单机生成网络流量的不足,本文对于分形高斯噪声(FGN)模型的算法进行了改进,使其能够并行且高速的生成自相似样本.文中针对改进后的算法提出了分布式系统,并阐述了系统的整体结构和控制机制的设计与实现.本文的工作还包括实现了一个检测网络流量的检测端,并通过它来分析分布式系统所生成的样本.结果表明,本系统所生成的网络流量具有自相似性.     

虹桥机场软交换网络流量Hurst参数的算法研究

自相似网络模型具有长相关性特点,研究网络流量的自相似特性对于分析传输过程中的丢包率、信道利用率以及检测网络异常流量都具有重要意义。文章将一种改良的R/S算法用于计算虹桥机场软交换网络的Hurst参数,计算结果表明虹桥机场软交换网络具有较强的自相似性。     

一种M序列的高效生成算法

基于Ｍ序列的一种生成模型,结合计算机的特点,构造了一种Ｍ序列的高效生成算法,可以在资源十分有限的条件下快速生成Ｍ序列。     

输入排队Crossbar架构下的流量模型

 本文基于IP包在路由器各端口到达流量的统计特性,建立了输入排队Crossbar架构下的流量模型,对IP包流量的平均到达速率、突发性和均衡性等流量特征进行了分类定义,给出了各自的充要条件.文中所讨论的突发度B和不均衡度U为到达流量提供了精细的计算粒度,从而为基于IQ-VOQ的调度算法性能评估提供了理论依据.与LAN的自相似模型、WAN的Poisson模型以及数据业务的ON/OFF模型相比,本文讨论的流量模型更适用于基于IQ-VOQ调度算法性能的精确评估,为路由器交换架构的工程设计提供了理论依据.     

自相似业务流的快速生成方法及其性能研究

网络中业务流的自相似性正日益受到重视，因为它对网络性能有着很大的影响。在缺乏对自相似模型进行数学分析的情况下，计算机仿真成为当前最有效的研究手段。ＦＧＮ（ＦｒａｃｔａｌＧａｕｓｓｉａｎＮｏｉｓｅ）是目前使用最为广泛的一种自相似模型，本文提出了一种基于其定义的快速生成算法，具有良好的运算速度和精度。     

基于组合模型的短时交通流量预测算法

交通流量预测是实现智能交通技术的核心问题,及时准确地预测道路交通流量是实现动态交通管理的前提,短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分割,然后采用ELM对各个序列进行建模和预测。仿真实验证明,与单一的BP(Back Propagation)神经网络和ELM相比,该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍,均方误差为BP的1/50, ELM的1/20,该组合模型算法决定系数R2更接近于1,模型可信度更高。