互联网流采样技术综述

网络流量测量对网络管理、网络监控、网络设计和网络规划具有重要的意义.由于网络带宽以摩尔速率增长,流采样作为一种以有限资源实时获取网络运行状况的方式引起了广泛的关注.文章在分析早期流采样技术现状及不足的基础上,详细综述了大流采样算法、流公平采样算法、全流采样算法及异常检测流采样算法四种互联网流采样技术,对四种技术的性能指标给出了理论分析及证明,最后展望了互联网流采样技术可能发展的四个方向.     

基于随机森林的流量多特征提取与分类研究

网络流量的多样化和复杂化以及高实时性要求对流量识别技术带来了巨大挑战,而通过基于机器学习的网络流量分类中,流量统计特征选择能够快速准确对流量进行识别,具有重要的研究意义.随机森林(RF)作为近年较热门的灰盒算法,对当前的网络流量具有较好的识别能力.通过随机森林的节点选择算法,对流量特征进行选择,并结合物理意义进行优化,进行多次特征提取.实验结果表明:提出的算法在识别模型构建上性能更加优越,耗费时间大大减小,同时准确度等指标得到提高.     

基于概要数据结构的网络异常检测方法

提出一种基于概要数据结构(sketch)的网络异常检测方法。采用金字塔时间模型对高速网络数据流进行分析,并基于奇异熵提取sketch。统计一定周期内该数据结构的特征值变化趋势,计算出均值和梯度值,以及相应的报警区间。当告警出现时,该方法能分析出现异常的IP地址。实验证明,该方法能有效地对网络进行异常检测。     

基于模糊数评估决策(FN-E & DM)的权重信息问题研究综述

在评估决策过程中,获取属性权重是一个复杂的问题。研究模糊数评估决策(FN-EB-DM)的权重信息问题便是通过属性信息,建立数学模型进而求得权重的一类模糊评佑决策问题。从属性权重确知、属性权重部分确知和属性权重完全未知3个方面综述基于FN-E乙DM的权重信息问题的研究进展,通过分析评估决策模型详细论述了权重确定方法,最后展望了FN-EB-DM权重信息问题的研究前景。     

混沌一支持向量机回归在流量预测中的应用研究

为了提高流量预测准确性,将混沌理论和支持向量机回归应用于网络流量预测.采用相空间重构理论计算实际流量的延时、嵌入维数和Lyapunov指数,证实网络流量存在混沌现象;据此建立混沌-支持向量机预测模型并确定训练样本对,对实际网络流量教据进行预测.结果表明,该方法能有效地进行流量预测,相对于BP神经网络方法,该方法具有更好的预测精度.     

Linux内核进程调度的研究与改进

随着Linux系统中应用软件增多,负载加重,早期Linux调度器的调度效率已经不能满足用户需求.分析了现有嵌入式操作系统实时性不足,提出了一种新的内核进程调度策略.系统性能测试表明采用新的调度策略性能有很大提升.     

系数增强最小二乘回归子空间聚类法

针对最小二乘回归子空间聚类法在求解表示系数时忽略了样本相似度的不足,提出改进方法。基于样本相互重构的表示系数矩阵和样本相似度矩阵有很大的关联定义系数增强项,求解可以保持样本相似度的表示系数矩阵,提出系数增强最小二乘回归子空间聚类法。在8个标准数据集上的实验表明该方法可以提高最小二乘回归子空间聚类法的聚类性能。     

基于广义线性模型的QoE评估方法研究

基于简化的广义线性模型,建立了QoE等级概率分布回归模型。该模型能够通过网络QoS参数映射得到用户QoE等级累积概率分布。采用最大似然估计完成了对模型参数的估计,并使用皮尔逊方法对模型的拟合优度进行了检验。Web业务的QoE评估实例验证了方法的有效性。     

基于VB和MapX组件的地面电子航图显示系统

基于VB的地面电子航图显示系统,利用基于COM技术的可编程OCX控件MapX进行集成二次开发.结合SQL Server2000数据库,使地面塔台和指挥所难及时了解飞机飞行中的相关参数和状态信息,以便动态实时下达命令,调整航线.系统采用模块化设计,通过错误代理程序,即安装错误代理解释错误代码的含义.在发生错误时给用户相应的错误提示,并给出解决方法.     

基于SVM和SRC级联决策融合的SAR图像目标识别方法

提出基于支持向量机(support vector machine,SVM)和稀疏表示分类(sparse representation-based classification,SRC)级联决策融合的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。首先,采用SVM对测试样本进行分类,根据各个训练类别输出的后验概率,采用门限判决法选取其中具有高置信度的候选类别;其次,基于候选训练样本构造字典,对测试样本进行SRC分类;最后,采用线性加权融合SVM和SRC的决策值,获得更为可靠的识别结果。SVM的预筛选分类有效降低了SRC中的字典规模,从而提高其分类效率,同时,SRC具有的噪声、遮挡稳健性也可以补充SVM在此方面的不足。因此,提出的方法可以有效综合SVM和SRC的优势,提高最终的识别性能。采用MSTAR数据集进行识别实验,结果验证了本文方法的有效性。