一种基于多标记学习的网络流量预测算法

通过对网络流量的准确预测提高对网络的调控和监测水平,避免网络拥堵,确保网络畅通。传统的网络流量预测算法采用粒子群算法,在处理大规模的流量数据时,容易导致信息发散和易陷入局部极值点,流量预测准确度不高。提出一种基于多标记学习混合差分粒子群进化的网络流量预测算法。构建多分簇的无线网络流量数据传输模型,对网络流量进行时间序列分析,采用粒子群优化算法分别比较网络信息流中的频率波动是否相同,对相同的进行合并,基于自回归移动平均算法,进行粒子群信息链特征优选准则设计,采用多标记学习混合差分粒子群进化算法,把网络流量数据嵌入到内核空间的超球体中,进行离线阶段的网络流量预测优化。仿真结果表明,该算法对网络流量预测的精度较高,误差减少,具有较好的应用价值。     

云计算下的一种网络流量预测算法的研究

为了提高云计算下的网络流量的预测精度,提出了一种基于遗传算法的小波BP神经网络的预测模型。首先针对BP神经网络的不足,引入动量项进行改进,其次,在遗传算法中加入进化操作,提高了算法的整体效率,将改进后的算法与小波函数进行融合,整体优化了BP神经网络的阀值和权值进行优化。仿真实验通过与其他文献算法的比较,说明本文算法具有良好的收敛速度,有效的提高预测的精度。     

基于时间序列的网络流量分析与预测

随着计算机网络的迅速发展,目前的网络规模越来越庞大和复杂,相应面临对网络有效管理的要求就越来越高。本文通过对CERNET(ChinaEducationandResearchNetwork)上某个端口的网络流量数据的统计分析,给出了一种用时间序列的方法对流量数据进行模拟仿真,从而达到对网络流量的控制和预测以便提高对网络服务的质量。     

基于高斯密度谱估计的局域中心网络流量预测

局域中心网络流量具有高斯宽带信号特征,传统的窄带信号处理方法难以实现有效准确的流量预测。提出一种基于高斯密度谱估计的局域中心网络流量准确预测算法。构建流量预测模型,进行流量时间预测的信号采集和特征提取,对采集的信号特征进行高斯密度谱特征估计,对高斯密度特征旋转角度扫描,求网络流量信号的频率轴上投影尺度,判断峰值是否超过门限实现流量预测。仿真结果表明,采用该算法进行流量预测,高斯密度谱的聚集性较好,精度较高,性能优越。     

基于IP网络流量路由算法的设计与实现

本文提出当网络流量达到阈值时采用"基于多线程的分时段静态路由算法"来解决网络出现拥塞时浏览器页面打开很慢的问题。在网络流量未达到阈值时,采用"基于单播 选播的动态路由算法"来优化路由以满足用户的服务质量(QoS)需求。在路由发生改变后,本文采用多播技术使同一网段内的所有路由器在短时间内收到路由更新信息。     

基于Otsu阈值分割算法的变化检测

本文重点介绍了最大类间方差算法的计算流程,并使用VC++编程实现的该算法进行变化检测,进而与其他变化检测方法进行对比分析.总结最大类闻方差算法的特点.     

基于滤波误差阈值的风速预测研究

风速时间序列的预测对风能的可持续发展至关重要,研究出准确的风速预测算法可以提高电网的安全性,改善环境效益。根据卡尔曼滤波和广义回归神经网络(GRNN)的特点,提出一种新的混合风速预测模型以及滤波误差阈值(FET)预测的方法,可以实现长期的风速预测,具有较高的精度和可靠性。     

基于 Matlab 的图像阈值分割算法研究

重点讨论了图像分割法中的阈值研究法,包括全局阈值法和自适应阈值法。对全局阈值算法中的人工选择法、迭代式阈值选择法、最大类间方差法以及自适应算法中的分水岭算法进行了重点分析,用M atlab进行实现并给出了实验结果;分析了几种算法的适用情况,并提出了一些改进意见。     

基于正交小波软阈值的图像去噪算法

图像去噪在图像处理中一直是研究的重点之一。传统的图像去噪方法局限在频域范围内,无法表述图像的时域局部性质：而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面：提出一种基于正交小波变换和软闽值方法数字图像去噪算法：仿真实验表明：提出的算法去噪效果良好。     

基于迭代阈值的女书分割算法研究

女书文字图像分割是女书信息化处理中一个重要的环节,是进一步进行女书识别的基础。介绍了迭代阈值分割方法的基本原理,程序流程,并将其运用到女书文字分割当中。实验表明,该算法在女书文字分割中运行时间短,阈值选择准确,取得了较好的分割效果。     

基于随机阵列向量模型的流量预测算法研究

设计网络流量预测数学模型,实现对网络流量的准确预测和评估。传统的流量预测算法采用包络特征子空间聚类的流量序列分析方法,对随机大数据网络流的聚类和预测效果不好。提出一种随机阵列向量模型的流量预测算法。首先进行了网络流量预测的时间序列模型构建,采用平均互信息算法和伪最近邻点法求解最优化网络流量序列重组空间异构参数,得到一个高密度流量数据分形区域,创建流量序列的概率分布曲线,在随机阵列相空间中形成新的映射采用统计学数学方法对流量序列的随机分布特征进行分布式计算,随机阵列向量模型构建方法进行流量预测算法改进。仿真结果表明,采用该算法进行流量预测,能有效提高预测精度,具有较好的流量特征分析能力,性能优越。     

基于模糊神经网络的RTT智能预测算法

在网络拥塞控制的重要参数中,RTT（Roundtriptime）尤为突出,因为它能对网络所发生的拥塞作出较早的反映。所以对RTT的精确预测程度,无论是对网络拥塞控制还是流量、带宽估计都很有意义。分析了RTT的特性,发现其有很强的高频噪声,因而采用低通滤波和MBP网络相结合的RTT预测策略。实验表明,即使在网络状况较忙的情况下,也能获得很好的预测结果。     

基于多层特征基参数融合的网络入侵检测算法

传统的网络入侵检测算法,使用的都是同一个或者相似的特征基作为入侵检测的衡量标准,但是在多层网络中,不同层次的特征基参数存在差异,检测结果误差较大。为此提出了一种基于多层特征基参数融合的网络入侵检测算法。通过提取多层网络操作差异特征基参数,利用非线性回归方式对每层特征基参数进行差异补偿,按照自适应融合方式对多层差异特征基进行融合处理,以此作为检测的基础。实验表明,该算法提高了检测的准确率,取得了理想的效果。     

交通流量VNNTF神经网络模型及其预测研究

研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。     

基于径向基函数网络的改进算法的股市数据预测

径向基函数网络的性能在很大程度上取决于径基函数中心位置的选取。本文通过结合输入输出矢量从而得到扩展矢量的方式改进了常用的确定径基函数中心的HCM算法。股市数据预测的实验结果表明：改进的HCM算法的网络的性能有了明显的改善。     

基于混合BP神经网络算法的信用卡消费行为风险预测

随着中国信用卡市场的急速发展,信用卡消费行为的风险评估已成为业界研究的一个重要方向.目前风险预测的研究常采用单一的BP神经网络算法,但该算法存在一些固有缺点,如易陷入局部极小点、收敛速度较慢等,这些缺点会影响风险预测的效果.针对单一BP神经网络算法的不足,提出了一种将BP神经网络算法与遗传算法相结合的混合算法,它以BP神经网络作为基础,利用遗传算法对BP神经网络进行优化,并通过数据集的实验证明该混合算法要优于单一BP神经网络算法,可以有效提高信用卡消费行为风险评估中的检测率和准确率.     

一种基于权值动态调整的MPTCP自适应拥塞控制算法

随着计算机网络技术的发展,用户对网络资源访问速度的要求越来越高.特别是近些年语音、图像以及视频等多媒体数据大量出现在互联网上,网络的拥塞问题也变得日益严重,拥塞控制对于保证网络的稳定性也具有非常重要的作用.本文提出了一种改进的MPTCP自适应拥塞控制算法,将权值动态调整策略融入拥塞控制中.算法的核心思想是当某一路径接收到数据包则增加其权值,相反如果丢失了数据包则降低其权值,修改权值时综合考虑了前一个时刻该路径的权值及其拥塞窗口的大小.仿真实验结果表明,本文提出的MPTCP拥塞控制算法改进方案有效地提高了系统的吞吐量,并且能够使得网络资源得到公平的利用.     

大规模数据环境下用电量预测算法研究

提出了在海量数据下的分布式局部线性回归算法,并通过在大规模用电记录数据集上进行详细地实验,证明了该算法在保证预测效果的前提下,能有显著地缩短模型训练时间,并具有很好的可扩展性.