基于IP网络的自适应QoS管理方案研究

目前实时音频、视频多媒体应用已经开始进入IP网络,但还有许多问题没有得到很好地解决,其中一个关键问题是多媒体服务的QoS问题、TCP／IP协议本身只提供一种“Best-effort”级别的服务,对QoS支持很少,“Best-effort”级别的服务往往会导致实时应用出现延迟抖动、分组丢失率高,从而极大的影响了实时应用的运行效果,因此必须研究可行的、高效的基于IP网络的QoS控制机制。IP网络QoS已成为分布式多媒体和网络通信的重要研究热点和难点课题。本文在IEＴＦ Intserv与Diffserv相结合的体系结构基础上,提出了一种适用于IP网络的自适应QoS管理框架,与Intserv或Diffserv模型不同的是,该QoS管理框架引入优先级节和自适应概念,QoS俦权处理采用基于多媒体优先级节的算法,在传输控制上采用了自适应QoS控制算法。它在应用层上完成,因此独立于底层网络协议。本文首先讨论了基本概念和函数,然后提出一种基于优先级节的自适应QoS管理框架和优先级调度流程。提出一种基于IP的自适应QoS协商机制,基本思想是基于RSVP（资源预留协议）。在提出QoS请求时进行QoS映射,然后启动适应性函数和资源管理函数进行协商,直到获得一组在当前资源状况下最佳的QoS指标。最后,本文还讨论了此方案的有效性并在自行开发的实验平台GUT上进行的QoS实验。实验表明应用该方法可以根据网络当前状态自适应地整多媒体实时应用的QoS需求。     

基于智能天线并具有QoS保障的Ad hoc网络MAC协议*

基于智能天线技术的发展,提出一种基于智能天线并具有QoS保障的MAC协议。该协议首先把信道划分为数据信道与控制信道,节点通过业务的优先级与时延来发送预报突发竞争信以保证QoS质量,随后按照RTS/CTS握手机制预约节点进行数据传输,又采用发送Busy Tones来防止聋节点和隐藏终端的问题,大大提高了网络容量与性能。通过分析与仿真,并且与IEEE 802.11协议以及DMAC协议比较,证明QTDMAC协议在吞吐量以及实时业务时延上都有很大的优越性。     

面向煤矿工业以太网的混合调度方法仿真研究

煤矿监控信息的数据传输存在实时性要求多样和不对称的问题.针对目前煤矿工业以太网的冗余环型网络结构,提出在交换机中对不同类型的数据采用混合调度方法.在IEEE802.1p协议的非抢占式优先级调度方法的基础上,对于同等优先级的数据采用EDF调度方法;同时基于网络演算方法分析计算了煤矿工业以太环网中数据传输的最大端到端延时.理论计算分析和仿真试验的结果比较表明,提出的混合调度方法降低了实时数据的传输延时,保证了实时数据的优先传输,对煤矿安全生产有重要意义.     

基于实时优先级的队列调度策略研究与验证

传统的基于实时优先级的网络调度策略,一般只是考虑在优先级不同的情况下按优先级值的大小顺序来转发数据帧,在优先级相同的情况下轮流转发数据帧。但是在后者的情况下,长度相对大的数据帧的优先发送往往会加大数据传输的延迟。针对此问题提出了一种改进的算法。并在一种网络模型中验证了此算法的优点。     

优先队列在实时混合数据传输中的应用

使用同一数据通道对实时流和非实时流数据进行并发传输时,通过定义数据传输优先级可以提高实时流数据的传输性能。当非实时流数据短时间内变化较大时,固定码流的实时流受当前优先级较高的非实时数据传输流量和丢包率影响会较大。为了解决这一问题,在分析了数据传输过程中优先级队列传输信息瞬时变化、网络丢包率、带宽预估等因素的基础上提出了一种混合数据传输方法。实验结果表明方法具有自适应性,且在提高带宽利用率的同时还可以提高实时流的传输效果。     

基于蚁群优化的多媒体传感器网络实时视频流分发策略

视频流传输是无线多媒体传感器网络的研究热点.本文提出一种基于蚁群优化的实时视频流分发策略AVSD(ACO based video streaming dissemination),分路由建立,节点内部视频数据分发两个阶段.在现有视频编码技术基础上,利用蚁群优化寻找具有不同QoS保障的路径,进行区分优先级的数据分发.仿真结果表明,AVSD策略可有效降低端到端时延,合理利用全网资源,提高网络性能并能够为无线多媒体传感器网络提供较好的视频传输性能.     

基于优先级控制的NCS数据传输性能研究

NCS对实时性数据传输性能要求的提高使得传统WFQ算法无法保证实时业务QoS，本文，指出了WFQ算法的公平调度原则存在的不足，提出了一种基于优先级分配带宽的调度算：PLLQ。仿真结果显示，PLLQ算法不仅改善了强实时业务的延时性能，并且解决了非实时性业务延时过长的缺点，提高了NCS的数据传输性能。     

一种新型战术数据链MAC协议

针对Link-16数据链无法满足未来战争中为实现移动目标精确打击而提出的时敏信息可靠传输要求的问题,提出一种基于多信道优先级统计(MCPS)的MAC协议。MCPS协议将不同优先级业务发送的门限阈值与反应信道忙闲情况的信道占用统计值作为判定数据包是否能够发送的条件,从而极大降低信道冲突,同时保证数据发送的实时性。仿真结果表明,随网络节点增多,Link-16数据链延时急剧增大,而MCPS协议的端到端延时恒定在3～4毫秒内;随着网络业务量增大,Link-16系统吞吐量无法承载持续增大的业务量而导致严重的丢包率,MCPS协议则能够满足高业务量网络的要求,并保障数据包一次发送的成功率不低于95%。     

面向紧急数据的异步多信道工业无线网络调度方法

针对现有时分多址(TDMA)调度方法在面对异步多信道条件下工业紧急数据调度时表现出的时延大、控制信道(CC)饱和、能耗过高等问题,提出一种基于接收端的紧急数据调度方法--EOAM.首先,采用基于接收端的策略,解决了异步多信道调度中存在的控制信道饱和问题;其次,采用特殊信道(SC)结合优先级指示的方法保证紧急数据快速切换信道进行实时传输的同时,允许非紧急数据基于优先级指示标志采用退避机制占用信道,保证了特殊信道的利用率.该方法既适用于单播通信,也适用于广播通信.仿真实验结果表明,相比分布式控制算法(DCA),EOAM的传输延时最低可达8 ms,可靠性可达95%以上,能量消耗降低了12.8%,能满足工业紧急数据的传输需求.     

无线Mesh网络中VOIP的QoS性能分析

针对VoIP(Voice over IP)业务在无线Mesh网上进行传输时存在服务质量(QoS)需求难以保证、带宽利用率低的问题,介绍了VoIP的QoS影响因素,分析了端到端时延、时延抖动和丢包率等几个重要参数,并对VoIP在无线Mesh网中的传输性能进行了论述。提出了基于无线Mesh网络的QoS保证机制,可以为端到端的数据传输公平的分配带宽,并能在保证QoS下实现大规模的实时任务的多跳转发。仿真试验表明能有效降低端到端时延,有着更好的QoS性能。     

数据仓库的多维数据模型的研究

多维数据模型是数据仓库和联机分析处理研究中的一个重要问题,该文根据电力负荷数据集的特点,提出了一种新模型,解决不同维公用一个底层层次属性,把系统中不完全的低粒度数据集和完全的粗粒度数据集在逻辑上无缝地结合起来支持联机分析处理的问题,这是其他多维数据模型所没有解决的。     

基于数据元的数据交换规范研究

针对信息系统之间的数据异构导致数据交换困难的问题,研究利用数据元理论制定一套基于数据元的、统一的、可复用的数据交换规范,以实现异构信息系统之间高效的数据交换。     

大数据环境下的数据清洗框架研究

在大数据环境下会不可避免的存在一些脏数据,严重的影响了数据质量,而数据清洗是提高数据质量的重要方法,对数据清洗框架的研究可以帮助大数据的系统决策。提出了一个大数据环境下数据清洗的一般框架,并对核心的数据清洗模块中的三个子模块进行详细的分析,包括不完整数据清洗子模块、不一致数据修复子模块和相似重复记录数据清洗子模块,且讨论了其清洗的具体流程。     

基于数据中心平台的数据整合研究

针对目前高校数字化校园出现的＂信息孤岛＂问题,提出了一种基于数据中心平台的数据整合的方案,建立了数据中心平台,实现了统一身份认证。通过使用共享数据库,保证全局数据的共享,实现了对异构数据库的查询和联合使用;通过采用基于ICE（Ineternet Communication Engine）认证接口的统一身份认证,为用户提供数字校园的单一入口,实现用户的单点登录。     

数据预处理的数据缩减方法的研究

在数据挖掘之前对待挖掘数据进行一些选择与准备的预处理工作,可以对数据挖掘的过程和结果产生直接影响。其中数据缩减技术最大限度地精简数据量,提高数据挖掘的执行速度与效率。论述一些典型的数据缩减方法,说明典型方法的应用情况,分析典型方法的使用特点,通过对训练集数据的应用对数据缩减方法进行研究。     

基于空间数据仓库的空间数据挖掘研究

分析了空间数据仓库的特点和体系结构，在空间数据仓库的基础上提出了一种空间数据挖掘的模型结构，介绍了一些常用空间数据挖掘算法，并展望了其广阔的应用前景。     

议数据挖掘

随着信息技术的高速发展,人们积累的数据量急剧增长,如何从海量的数据中提取有用的知识成为当务之急。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。     

互联网上的数据挖掘

1 引言 Web挖掘是从WWW资源上抽取信息(或知识)的过程,它是将数据挖掘技术和理论应用于对WWW资源进行挖掘的一个新兴的研究领域。目前在该研究领域中,根据挖掘对象的不同大致可分为三个方面的挖掘研究:Web内容挖掘、Web结构挖掘、Web使用挖掘(图1)。     

基于HADOOP集群的数据采集和清洗

互联网的到来,使计算机行业蓬勃发展,各公司的业务数据也都到达P级别的数据量。本文结合Hadoop框架的中Hive和Hbase,对各个模块进行了详细的描述,重点分析了集群搭建步骤,及如何对集群的数据进行采集和清洗,并通过建立表来存储分析结果。     

数据开采机模型及开采算法研究

本文在介绍数据开采基本知识的基础上提出了一个通用的开采机模型，并对其各模块的功能做出描述，针对目前许多开采大型数据库中的关联规则高效算法大多是在各自单独的领域内进行算法的理论研究与探讨的问题，本文在研究了两种高效的关联规则开采算法：最大频繁项目集算法FID（Frequent Itemsets Discovery），增量式更新算法IUA（Incremental Updating Algorithm）后，将以上算法综合并在计算机上实现，作为比较同时给出了Aprioiri（经典的关联规则开采算法）的实现。文中为了避免负面示例的问题，还引入了兴趣工的概念，并在系统中实现。