基于OPNET的流媒体应用流量特征分析

针对不同工作模式的流媒体应用数据流,根据报文大小、IP地址和端口识别出流媒体应用有效数据,分析了流媒体应用流量包的大小、数量和报文长度分布等特征.利用OPNET对不同模式的流媒体流量特征数据进行分析,提取多种流行流媒体应用的行为特征.     

大数据在基于Kinect的中风康复训练中的应用

为了根据不同中风患者的康复情况制定相应的中风治疗标准,对基于大数据改进中风康复训练行为的识别进行了研究。首先,通过Kinect获取人体20个骨骼关节点的数据信息,然后提取关节点极坐标的位置信息,定义运动特征分类集合,完成朴素贝叶斯分类器设计。根据捕获的各种人群数据信息,在云服务器上的数据分析系统加以量化和分析后进行阈值计算。基于此,可对中风康复训练动作识别阈值进行偏差处理,从而设定不同的患者人群最合适的动作标准。     

基于有监督学习的应用识别研究

网络应用识别是网络管理、研究、规划、安全等一系列事务的基本前提,基于分组端口号和分组载荷的应用识别技术逐渐不能满足需求．根据不同应用具有各不相同的流量特性这一原理,可利用机器学习技术挖掘各种应用的流量模式,从而进行有效识别．本文使用简单的流量特征作为观测值进行有监督应用识别．通过比较多种通用的机器学习算法,找出最适用于应用识别问题的有监督学习方案,同时应用特征选择算法找出关键的流量特征．     

选定根节点的TAN分类器

通过分析树扩张型朴素贝叶斯(TAN)分类器,提出了一种选定根节点方法,此方法基于概率论的观点,构造生成树时选择两依赖属性中个数较大的属性作为根节点.依此对TAN分类器的构造方法进行了改进(改进的分类器简称CRTAN),将该分类方法与朴素贝叶斯分类器和TAN分类器进行了实验比较.实验结果表明,此分类方法的分类性能要优于TAN分类器.     

贝叶斯网络在用户信用评估中的应用研究

为了弥补传统朴素贝叶斯分类器在实际应用中代价不敏感的缺点,基于最小风险准则构建朴素贝叶斯模型和树增强朴素贝叶斯网模型,通过预先设置损失矩阵,分类器可以区分各种误判情形产生的代价,利用1 000条德国信用卡样本数据进行实验。研究发现,在以损失最小为导向的用户信用评估方面,基于最小风险准则构建分类器产生的总损失更小,综合性能更好;在分类性能上,简单的朴素贝叶斯模型可与复杂的基于爬山算法建立的贝叶斯网络模型相媲美;从整体经济效益看,朴素贝叶斯模型更胜一筹。     

基于贝叶斯多分类器融合的人脸识别算法研究

通过对贝叶斯分类器进行研究,提出一种结合贝叶斯分类规则和FISHER线性判决分析,同时采用人脸的关键局部特征,通过加权相似度求和策略,实现对多个分类器进行融合的一种综合性人脸识别算法。实验表明,该方法在无光照处理下识别效果更为精确。     

利用朴素贝叶斯分类器的视频分类方法

朴素贝叶斯分类器是分类算法集合中基于贝叶斯理论的一种算法,为了对海量的视频进行分类,提出了一种基于朴素贝叶斯分类器的视频分类方法。首先,对视频进行特征提取,提取纹理、颜色以及亮度三种反映其类别的特征。在提取到视频的颜色、亮度以及纹理特征之后,然后进行基于朴素贝叶斯分类器的视频分类。对于输入的几种特征,采用极大似然估计,直至完成最终的分类。实验结果表明,提出的视频分类方法取得了较为准确的分类结果,对篮球、足球、斯诺克等5个运动项目均取得了90%以上的分类准确性。     

期望最大化贝叶斯模态识别算法在跨海斜拉桥运营模态分析中的应用（英文）

目的:由于地理位置特殊,跨海大桥周围的环境非常复杂,进而导致跨海桥梁的模态特征复杂多变。本文旨在应用期望最大化贝叶斯快速傅里叶变换(FFT)算法对跨海斜拉桥进行运营模态分析。创新点:1.通过使用期望最大化贝叶斯FFT算法,使得基于贝叶斯的运营模态分析速度更快且收敛性更高;2.成功识别了2.5Hz以内的19阶模态的自然频率、阻尼比以及振型,同时得到了识别参数的不确定性大小。方法:通过应用贝叶斯模态识别算法对某跨海斜拉桥的运营模态数据进行分析,并研究模态参数及其不确定性。结论:应用期望最大化贝叶斯FFT算法能够高效地识别2.5 Hz以内的19阶模态的自然频率、阻尼比和结构振型,并能得出参数识别的不确定性大小。     

人脸检测和表情识别在课堂教学评价中的应用

传统的课堂教学评价往往效率低下,并带有较强的主观性。针对传统课堂评价中存在的不足,结合深度学习技术,在CNN模型基础上建立起适合课堂场景的人脸检测和表情识别模型,得到比较准确的人脸特征,接着使用朴素贝叶斯分类器对得到的人脸特征进行分类和评价,然后研究面部特征与课堂质量之间的关系,最后建立起基于人脸检测和表情识别的课堂评价规则。实验数据表明,本研究可以作为课堂教学评价的重要参考指标。     

基于P2P的贝叶斯网络检测模型研究

针对P2P流不同时间分段发生的P2P流量不同的特征,提出了一种基于P2P的贝叶斯网络检测模型.该模型利用贝叶斯方法在负载均衡下统计和分类不同的网络环境流量,通过加入时间段函数,改进传统的贝叶斯分类器.实验证明,该模型能有效提高P2P网络平均识别率,减少P2P的误报率和漏报率.     

用神经网络方法对高速公路交通流控制模型中的参数进行辨识

从高速公路交通流的宏观、动态特征出发，首先给出了交通流控制和仿真中常用的宏观、动态、确定性交通流模型，并利用神经网络的方法对模型中的参数进行辨识．从而获得能比较准确描述交通流真实行为的模型，以此来解决高速公路交通的最优控制问题．     

用马尔可夫调制的泊松过程近似多分形突发流量研究

研究了用马尔可夫调制的泊松过程(MMPP)对Internet多分形流量突发行为进行近似建模的能力. MMPP可用于描述适当时间尺度范围内流量的变化以及相关性, 而且它可作为排队系统输入过程得到分析结果. 描述了刻画突发流量行为的重要统计量, 在此基础上给出了一个基于矩的MMPP参数估计方法. 除了对MMPP进行拟合优度检测以外, 本文通过将MMPP的样本过程和实际流量记录输入到排队系统模型中比较其输出结果来研究MMPP对排队性能的预测能力. 数值和仿真实验表明, MMPP能够较好地用于对多分形流量近似建模, 即可以准确地预测网络结点的排队性能.     

基于顺序号和确认号的TCP流标识

为了降低TCP流的处理开销,可以从TCP/IP报文中选取某些位串来作为流的标识.从位熵和随机性的角度分析了TCP流首报文的顺序号(SN)和确认号(AN)的分布,提出了一种从重尾的IP或TCP流里获得随机均匀的流标识的新方法(FIDSAN).实验结果表明,在可以接受的冲突概率下,TCP流首报文的顺序号和确认号的部分高位比特可以用来作为流标签.给定冲突概率时,该流标识的比特长度可以根据一个由观察窗口和流ID值域导出的关系式求出.与TCP五元组,CRC,Checksum等比较发现,FIDSAN具有更低的计算开销.     

一种基于数学建模技术应用于P2P网络的流量识别与控制方法

介绍了一种基于数学建模技术应用于P2P网络的流量识别与控制的方法,通过在网络中串联接入网关或者网桥设备,对网络中的流量进行分析,采用对流量进行数学建模,基于用户行为的方法,识别网络的流量并进行控制的方法,大大提高了流量识别的效率和流量控制设备的处理能力。     

感知矿山物联网定位系统精度的研究

随着无线技术的高速发展,RFID无线射频识别技术在感知矿山物联网中也得到越来越广泛的应用。本文在介绍基于RFID感知矿山物联网的基础上,分析了感知矿山物联网中定位系统的定位精度缺陷,提出了改进基于RFID无线射频识别技术的感知矿山物联网定位系统精度的方法,对矿业生产具有一定的意义。     

用于交通运营管理的实时交通流状态分类高斯混合模型

采用高斯混合模型GMM,同时以交通流量、平均速度和密度3种交通流宏观特征为指标,对交通流状态进行聚类和分类.和其他聚类分类方法比较,高斯混合模型是结构化的模型,适合于各种情形交通流参数.高斯混合模型中子类的个数通过Gap统计量结合交通流的领域知识加以确定,而模型的其他参数则由E-M算法进行估计.所建立的GMM模型可以作...     

高校网络舆情成因及引导处置机制探析

网络舆情是在互联网上传播的公众对某一“焦点”、“热点”问题所表现出的有一定影响力、带有倾向性的意见或者言论的情况,网络舆情所依赖的平台和载体是互联网。网络舆情具有与传统舆情不相同的特质,其影响力也超越了传统舆情。由于高校网络舆情具有复杂性、交互性、即时性、难控性、广泛性等特征,因此需要研究网络舆情的新闻发布机制、论坛机制、队伍机制、预警机制、信息收集机制、处置机制,从而构建起和谐的校园。     

基于诱导信息的交通堵塞路径流量转移模型

以UE均衡分配为前提,根据个别路段出现突发性交通堵塞的程度来发布诱导信息,并以此为依据分析出行者新的路径选择行为,从而建立路径流量转移模型,通过堵塞路径的流量转移来获取最优的交通分配新模式.     

网络委婉语的模因学阐释

网络委婉语是极具时代特色的语言,以含蓄的表达实现特殊的语言效果。本文从模因论的雏度对网络委婉语的模因传播过程、模因类型和特征进行阐释,为更好理解网络委婉语的演变及成功的语言交流提供借鉴。     

基于物联网技术的智能交通信号灯控制系统

交通路口信号灯控制系统已成为治理城市交通拥堵的瓶颈。为解决交通信号配时不合理问题。将物联网技术引入交通信号系统中,采用无线射频识别技术实时采集交叉路口各方向交通强度数据,根据车流量的动态变化情况,自适应控制交通信号灯各相位周期和比例。仿真实验结果表明,该系统能有效减少车辆在交通路口的平均滞留时间,提高车辆通过能力,缓解交通阻塞。