网络论坛的自相似性及其模型

网络论坛是一种主要的互联网应用,人们对它的研究主要集中在话题分析、变化趋势分析等方面。该文研究网络论坛中文章数随时间变化的统计特性,通过方差分析、R／S分析方法发现自相似性存在于网络论坛中。为描述这种自相似性,提出一种基于时延厚尾分布的产生式模型,对该模型进行理论与仿真分析,验证了该模型具有表达网络论坛自相似性的能力,模型的计算复杂度小。     

基于小波的非平稳时间序列预测方法研究

基于小波分析技术,将原始非平稳时间序列分解为一层近似系数和多层细节系数,对其分别采用自回归滑动平均模型以及BP神经网络模型,对各层系数进行建模与预测;通过整合各层系数,得到原始时间序列的预测值。运用这种方法对因特网某节点网络流量数据和某地区日最高气温数据进行预测的结果表明,建立在小波分解基础上的这两种方法都能够有效地应用于非平稳时间序列的预测;而小波-BP神经网络的预测方法无论是精度还是计算复杂度方面都要明显优于小波-ARMA方法。     

基于FARIMA模型的网络流量预测

论文基于长相关特性的时间序列分析方法,采用FARIMA模型对网络自相似业务进行研究,利用“后向预报”技术对序列进行分形反滤波,在模型辩识、参数估计中利用粗、精估计结合的方法建立模型。选择伯克力实验室的经典实测数据,利用FARIMA模型进行H值估计、分数差分定阶及消除长相关性的操作,实验证明了模型的有效性。     

基于混沌特性的跳频序列复杂度分析

对于已有的跳频序列复杂度分析方法,通过分析跳频序列的混沌特性,提出了一种用关联维数度量跳频序列复杂度的方法,该方法能够对满足混沌特性的跳频序列进行复杂度分析,为跳频序列复杂度的度量提供了一种新的参考依据。最后对基于L-G非连续抽头模型和Logistic-Kent级联映射构造的跳频序列进行了基于混沌特性的复杂度分析,并对两者的复杂度进行了比较。     

基于FARIMA模型的Internet网络业务预报

最近的网络研究发现Internet网络业务同时呈现长相关和短相关特性,因此建立可以同时描述,预报长相关和短相关特性的网络业务模型很有必要。文中给出了利用FARIMA模型进行建模和预报的方法,实验表明这种方法用于实际Internet网络trace是非常有效的,另外提供了简化FARIMA模型拟合的方法和具体步骤,这样大大缩短了模型辨识的时间,对于实际网络预报有很好的实用性。     

基于行为树的协议建模方法及其应用研究

为解决现有协议建模方法验证困难及测试序列生成算法复杂度高和测试序列长的问题,提出了一种基于行为树(BT)的协议描述新方法.采用行为树模型对协议的控制流程进行建模,提出了基于行为树描述的协议验证方法,并给出了基于行为树的测试序列生成方法.以某监控协议为例给出了基于行为树的建模过程,将所建模型转换为通信顺序进程(CSP)后采用过程分析工具(PAT)完成了协议验证,并完成了测试序列的计算与对比分析,结果表明提出的方法能方便地完成对协议的描述与验证,能降低测试序列计算复杂度并减少生成的测试序列长度.     

基于小波技术的网络流量分析和预测

互联网流量数据属于非平稳的时间序列,具有很强的突发性和自相似性等分形特征.小波分析能够保持对象的尺度不变性,很适合分析和处理自相似过程.分析了常见流量模型的优缺点,利用小波技术将网络流量分解、重构,并结合传统FARIMA模型分析和预测网络流量,实验结果表明该方法可以有效地对网络流量进行建模和预测.     

配置复杂度分析及建模

首先回顾了复杂度研究的发展历程,随后介绍了配置复杂度的基本概念与较新的研究成果。文章在分析了如何对复杂度模型与IT管理流程复杂度模型进行配置的基础上,对模型中的复杂度度量值的确定进行了描述,对使用复杂度模型配置过程中进行量化的四个步骤进行了梳理,并且对配置过程的性能预测问题进行了说明,最后指出了目前存在的问题与未来的研究方向。     

基于认知复杂度度量的文本推荐模型

提出一种基于认知复杂度度量的文本推荐模型。已有的认知复杂度评价方法主要用于评价单一文本的认知复杂度,对此方法进行拓展,将它用于文本集的认知复杂度评价。在推荐模型中,通过对用户查看文章序列的分析,然后使用文本集认知复杂度评价方法查找文章进行推荐,使得用户获得的推荐文本集合更符合认知的规律,更易于理解。实验结果表明文本集认知复杂度评价方法的合理性,并通过比较说明了使用这种推荐模型将使用户获得更加易于理解的文本推荐集合。     

宏观交通运输系统的复杂度与可预测性

宏观交通运输系统复杂度与可预测性的关系需要定量描述。为测度宏观交通运输系统的复杂性,引入符号动力学的Lempel-Ziv算法。针对该算法的应用误区,提出改进的“通用试凑算法”。应用ARIMA模型,对宏观交通量时间序列进行模型估计和预测。计算5个实测时间序列的复杂度和预测误差,通过其结果比较,推论出一个假设:宏观交通运输系统的复杂度与可预测性存在负相关关系。     

自相似网络业务的一个FARIMA模型

近来发现,高速网络业务具有自相似及长相关特性,分数噪声可描述该类业务。但它仅表现长相关特性,给出了利用ＦＡＲＩＭＡ模型拟合自似网络业务的一整套方法,该模型同时刻画了实际业务的长相关与短相关行性,通过对实测数据的实验, 模型的优效性。     

Generation of synthetic video traffic using time series

Generating traffic has always been an important part of network simulations but has turned to an even more challenging task with modern networks. The statistical properties of the input stochastic processes traced in the networks used all along Information Era turned out to be complicated and difficult to reproduce. Taking into account successful efforts in modeling Internet traffic with FARIMA time series models, this paper attempts to extend their applicability and employ them to generate synthetic video traffic. It is known that FARIMA can model both the Short Range (SRD) and Long Range Dependence (LRD) existing in video traffic; however the traces it produces fail to describe correctly the moments (mean, standard deviation, skewness, kurtosis) of the distribution behind the data. Since an efficient traffic generator should capture both the statistical properties and queuing behavior of video traffic we experiment with models such as FARIMA with Student's t errors and FARIMA-GARCH with Normal and Student's t errors, improving somewhat the accuracy of the generated traffic. Furthermore, the paper suggests the projection of the traces generated by a FARIMA model to values of a Lognormal distribution. It is shown that such a methodology produces synthetic traces that can emulate very closely the behavior of real traces. In order to quantify closeness the generated traces are fed into a simple FIFO queuing system with finite buffers, where loss probability is calculated and compared to that experienced by the corresponding real traces. Using five different real traces, MPEG-4 or H.263, it is shown that the proposed methodology produces traffic generators that can capture satisfactorily several statistical properties of the real traffic and also its queuing behavior for a wide range of buffer sizes and service rates.     

混合马尔科夫预测模型及其在反洗钱中的应用研究

反洗钱中的一个重要问题是预测可疑账户未来可能发生的交易。马尔科夫模型在股票、商品价格、市场占有率等经济领域的预测中具有广泛的应用,但单一的马尔科夫模型的预测准确性有待提高。提出一种结合数据挖掘中聚类、关联规则和低序马尔科夫模型的混合马尔科夫模型,并在模型的建立过程中基于置信度进行剪枝以降低时间复杂度,最后将该模型用于预测反洗钱领域中账户之间的交易。实验表明,该模型具有较高的预测准确性,并在预测准确性和时间复杂度两者之间取得了较好的平衡。     

灰色Verhulst模型在短时交通流预测中的应用

为提高短时交通流预测模型精度,分析了GM(1,1)模型和灰色Verhulst模型的特点,发现GM(1,1)模型适用于具有较强指数规律的序列,只能描述单调的变化过程,而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。短时交通流某一时段内数据具有饱和状态S形过程的特性,采用Verhulst预测模型比GM(1,1)模型具有更高的预测精度。利用2007年10月21～23日6:00～8:25的交通流数据进行实验,结果表明:Verhulst模型的预测精度明显优于GM(1,1)模型。     

On the self-similarity of 1/f sequences synthesized by recursive filtering

This paper describes an approximate method for synthesizing sequences of statistically self-similar processes and analyses its performance to generate sample sequences with this statistical property. The method is based upon approximating the infinite dimensional difference equation which describes the FARIMA(0, α, 0) model by a finite dimensional difference equation. The parameters estimation for parameterizing the binomial coefficients is performed by using deterministic signal modeling techniques. The three techniques considered are: Prony, Steiglitz MacBride, and Shaw methods. In addition to allow considerable savings in memory requirements and great reduction in computation time, the performance analysis results show that the generated sequences are statistically self-similar in the sense that the estimated Hurst parameter is very close to that imposed in the sequence generator.     

一种新的全局运动估计算法

全局运动估计是计算机视觉、视频处理等领域广泛采用的手段之一。该文提出一种直接利用压缩视频码流进行全局运动估计的新算法。就运动模型而言,采用了复杂性与准确性较好均衡的六参数仿射模型。为了提高估计精度和计算效率,文章首先提出一种新的视频背景前景分割方法,基于分割的结果,采用背景宏块的运动矢量进行全局运动参数估计。然后,根据参数估计误差的统计特性,一部分运动矢量会当作局外的样值而被剔除,利用剩余的运动矢量中重新估计参数可以提高估计精度。实验验证了提出的全局运动估计算法的计算效率和精度。     

A complexity model for sequence planning in mixed-model assembly lines

Sequence planning is an important problem in assembly line design. It is to determine the order of assembly tasks to be performed sequentially. Significant research has been done to find good sequences based on various criteria, such as process time, investment cost, and product quality. This paper discusses the selection of optimal sequences based on complexity induced by product variety in mixed-model assembly line. The complexity was defined as operator choice complexity, which indirectly measures the human performance in making choices, such as selecting parts, tools, fixtures, and assembly procedures in a multi-product, multi-stage, manual assembly environment. The complexity measure and its model for assembly lines have been developed in an earlier paper by the authors. According to the complexity models developed, assembly sequence determines the directions in which complexity flows. Thus proper assembly sequence planning can reduce complexity. However, due to the difficulty of handling the directions of complexity flows in optimization, a transformed network flow model is formulated and solved based on dynamic programming. Methodologies developed in this paper extend the previous work on modeling complexity, and provide solution strategies for assembly sequence planning to minimize complexity.