校园网流量自相似特性的研究

针对校园网流量自相似特性的问题,以网络中心测得的实际网络数据为研究对象,对不同时间尺度内的分组到达数目进行研究。利用方差-时间曲线和R/S图方法对实际流量数据进行测量、分析和预测,证实校园网流量具有典型的自相似性。     

网络流量自相似性与网络入侵检测

本文对网络流量自相似性在网络安全中的应用这个新的研究方向进行了探讨,根据网络流量的变化直接影响流量的自相似程度,在入侵检测系统中对网络流量异常引起自相似性变化明显的数据进行研究.基于建立用户正常行为的网络流量模型,通过比较描述网络流量自相似性的Hurst参数值来判断网络是否异常,并进行及时预警.     

自相似过程的遍历性及相关函数的性质

设{X（f）,t≥0}是指数H（〉0）型的自相似过程,给出了其相关函数的一些性质．并且当{X（f）,t≥0}为均方连续的自相似过程时,给出了其均值和相关函数遍历性的定义,然后获得了它们的遍历性定理．     

一类自相似分形的Hausdorff维数

构造了一类自相似分形 ,利用满足开集条件的压缩自相似映射的性质 ,给出它们的Hausdorff维数s =ln6k/ln( 1/ε) .     

自相似集的收敛与构造

设kn是Rd上相似压缩函数迭代系统{f(i n)(x)=r(i n)ox a(i n)}iN=1(n=1,2,…)所生成的吸引子.研究了当n→∞时,吸引子kn的稳定性问题.     

一类自相似分形集的简单构造

自相似分形集的构造在实际中没有一个行之有效的方法。在这篇文章中,针对一类自相似分形集的构造做了研究,提出了从自相似压缩映射的不动点集出发,可方便地构造其自相似分形集,并用若干实例说明此方法。     

基于ARIMA模型的网络流量预测研究

网络流量是局域网和广域网的重要特征之一,本文首先利用SPSS软件对校园网出口处IP分组进行了统计分析,进而使用ARIMA模型对网络的流量进行预测,并和实测流量数据进行比较,结果表明该模型对短期流量预测能够达到比较好的效果,     

关于自相似集的上凸密度研究的最新进展

介绍关于自相似集的上凸密度研究的若干最新进展．利用上凸密度的定义和自相似集的自相似结构。得到自相似集的上凸密度的刺画,进而得到白相似集的上凸密度下限估计的一般方法,并将此方法应用于经典的白相似集．     

一种生成自相似通行量的快速逼近算法与仿真

对网络中自相似通信量生成方法进行了研究,提出了一种近似算法.仿真实验结果表明,该算法生成的自相似通信量的精度和速度都令人满意.     

基于句子多种特征的相似度计算模型

句子相似度计算模型在基于实例的机器翻译中有着举足轻重的地位。提出了一种基于多特征加权的句子相似度计算模型,在对中文句子的词形、词序、句法和语义4种特征相似度计算的基础上,融合这4种特征,通过采用不同的特征权重来调节不同特征对句子相似度计算的影响,使得句子相似度计算更加准确。实验结果表明,该算法在计算句子相似度方面准确性较高。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。     

基于多分形小波模型的网络流量分析

网络流量过程中所蕴含的多分形尺度特性对网络性能有显著的影响。结合网络流量的研究进展,研究了多分形小波模型的流量发生原理,并通过小波技术对某校园网流量数据进行分析,证明了流量到达过程的多重分形特性。     

基于SNMP协议的网络流量管理

了解网络中的流量,对网络流量进行检测、分析、统计是掌握这个网络运行情况的重要手段,是网络管理中不可或缺的工具．介绍一种通过SNMP协议进行MIB数据采集的方法,实现网络流量的监测管理．     

Network Traffic Based on GARCH-M Model and Extreme Value Theory

GARCH-M （generalized autoregressive conditional heteroskedasticity in the mean） model is used to analyse the volatility clustering phenomenon in mobile communication network traffic. Normal distribution, t distribution and generalized Pareto distribution assumptions are adopted respectively to simulate the random component in the model. The demonstration of the quantile of network traffic series indicates that common GARCH-M model can partially deal with the “fat tail” problem. However, the “ fat tail” characteristic of the random component directly affects the accuracy of the calculation. Even t distribution is based on the assumption for all the data. On the other hand, extreme value theory, which only concentrates on the tail distribution, can provide more accurate result for high quantiles. The best result is obtained based on the generalized Pareto distribution assumption for the random component in the GARCH-M model.     

基于GPRS城市智能交通控制系统组网方案设计

设计了一种由前端数据采集系统和监控中心组成的智能交通系统。该系统利用现有的中国移动GPRS网络将现场数据进行传输,从而实现对交通的实时监控。     

基于流量分析的校园网应用监测系统研究

流量分析对网络管理非常重要,但由于设备和技术原因,在校园网中应用较少.本文介绍了一些不需特定设备支持、适合在大部分校园网部署的流量分析技术,并给出了基于这些技术的校园网应用监控系统的设计、实现和应用实例.     

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．     

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.