基于最大似然的网络拓扑推断技术研究（三）

5仿真实验与结果分析5.1实验1本实验比较不同方差因子条件下HTE8]、LNI12]、本文算法的拓扑推断性能。仿真设置：实验所用的拓扑结构如图6所示。每一对叶子节点{i，j}，用Matlab生成满足单调性和一致性条件的K=100个节点相关性采样数据。这些数据为节点对共享链路上的所有子链路的测度数据之和，如节点10和11的相关性为链路（0，12），（12，14），（14，18）三条子链路上的测度数据之和。每条子链路的测度数据服从均值为γ1，方差为σ1的高斯分布。其中γ1~uniform（1，5），σ1＝θ（1/），θ为方差因子，Nnorm=10， N=K/Nnorm。本实验检验LNI、HTE、本文算法在方差因子θ从1到7的拓扑推断性能。本文使用推断正确概率和推断拓扑与原拓扑的树编辑距离评价算法性能。正确推断概率为正确推断次数与仿真总次数之比，树编辑距离8]定义为从一个树图映射到另外一个树图所需的编辑操作之和，表征两个树图的相似程度，树编辑距离越小，表示两个树图越相似，即推断树状拓扑与原树状拓扑的树编辑距离越小，拓扑推断的效果越好。假设检验中显著性水平α＝0.005。