高速网络UDP流超时策略研究

随着社交网络、在线视频、电子商务、即时通信及微博等新兴业务的不断涌现及迅速发展,网络中UDP流量的比例及特性均发生了较大变化。文章通过对现有的流超时策略进行分析,指出其适用于UDP流量时存在的局限及不足,针对实际UDP网络流特性展开研究,并提出了一种UDP流区分更新的流超时策略(DUToS)。实验结果证明,DUToS算法能够更好地适用于UDP流量,有效改善了网络流量测量的性能。     

基于抽样原理的计算机化自适应测验选题策略

沿用曝光控制因子的同时,基于抽样原理,引入区分度分布因子,按区分度的分布情况来选取测验中的项目.以lna～N(0,1)为例,Monte Carlo模拟结果表明:该方法在估计精度、效率和安全性等指标上表现得比较优异.     

基于CBF流抽样的网络安全

现有网络中常存在DDOS、恶意端口及IP扫描、蠕虫等异常产生大量的只包含1个数据包的流量.针对高速网络流量特点及网络异常导致的流量突然上升,提出了一种改进的基于CBF的流抽样算法.该算法对定长时间内到达的数据包进行固定数量的抽样,使抽样率能适应于流量变化,并可控制资源的消耗,尤其当泛洪攻击、DDOS攻击等导致大规模异常网络流量出现时,能有效保护路由器的处理器和内存资源以及传输流记录所需的带宽资源,同时又不失简单性和准确性.     

基于网格环境的自适应资源调度策略

网格计算使得大规模的网络资源共享和协作成为可能,网格环境中如何提高资源有效利用率是一个有研究价值的问题.本文提出在网格环境中,根据资源失效规律可以自适应的提供更可靠的资源节点.经测试表明,与普通资源调度策略相比较,本文提出的策略可以屏蔽掉大量失效节点,为用户动态提供更可靠的节点资源.     

基于CBF的自适应抽样算法研究

本文针对网络流量的自相似性、重尾分布等特征,提出了基于CBF的自适应抽样算法,根据不同的网络流量大小,抽取不同数量的报文,并采用CBF哈希算法维护流记录。该方法具有抽样率自适应性、简单性,并可根据实际情况灵活控制算法所需的存储空间。     

基于LTE-DRX的超时策略梯度估计算法

针对长期演进(long term evolution,LTE)系统的非连续接收(discontinuous reception,DRX)终端省电机制中不适当的状态切换造成能量开销较大的缺陷,提出了一种基于超时策略的梯度估计算法。通过构建半马尔可夫控制模型将状态切换问题转换为策略优化问题,结合在线梯度估计从而得到状态切换时间的最优解。仿真实验表明,在不同数据到达率的情况下该算法在平均时延以及节能性上都有更好的表现。     

基于Bloom Filters的流抽样算法研究

本文提出了基于Bloom Filters的流抽样算法,对测量间隔内到达的报文进行抽样,并采用Bloom Filters哈希结构映射到流信息表来创建和维护流信息。该方法具有灵活性、简单性,在误差允许的情况下,有效地减少了流测量所需的存储空间。     

跨层自适应无线资源分配方案

提出了一种新的跨层自适应资源分配方案,该方案不仅考虑了业务数据到达的随机特性、数据缓存队列状态、业务时延等MAC层的QoS要求,还考虑了无线信道的时变特性和功率限制,并通过自适应技术实现了系统性能的优化.仿真结果显示,该方案提高了系统频谱效率、功率效率和系统容量,可以满足多用户实时业务的QoS要求,是一种适用于时变选择性衰落信道的资源分配方案.     

基于一种自适应并行遗传算法的网格资源选择策略

网格是在某一单一时间,将网络中众多的计算机资源集中起来共同处理某个单一问题的.而如何有效地从众多的资源中选出多个较优秀的资源是一个NP问题.该文提出一种新的自适应的并行遗传算法（NAPGA）,并对网格资源的选择策略在C+MPI平台上进行了并行模拟.结果表明,该算法不仅有效地避免了过早收敛的现象,而且取得了比改进型的并行遗传算法(NIPGA)更优的搜索结果.最后对遗传算法的搜索和收敛规律进行了一些讨论.     

基于电容层析法糖浆气液两相流识别

针对目前常规两相流流型识别方法在糖厂煮糖罐糖浆识别中精度低的缺点,提出基于电容层析法(ECT)的气液两相流流型判别软测量模型.首先对由ECT传感器采集的检测数据优化处理并提取特征参数作为BP神经网络的辅助变量,气液两相流相应实际流型作为BP网络的主导变量,通过神经网络结构参数的优化训练,构建出二级并行的自组织竞争神经网...     

基于目标检测模型的混凝土坯层覆盖间歇时间超时预警

及时、全面、准确地了解施工现场各种活动的状态和进度,对质量控制、进度跟踪和生产效率分析至关重要,也是全面实现工程精细化管理、智能建造的必要条件。目前,混凝土浇筑仓面施工场景下的进度记录、质量控制仍大多由人工完成,存在及时性不足、误报、漏报等问题。该文将深度学习计算机视觉领域的语义分割和目标检测技术应用到工程建设领域,通过识别模板遮盖比例和吊罐卸料事件获得仓面施工的实时进度,实现秒级精度的坯层覆盖间歇时间超时预警。     

基于两层声誉演化模型的服务组合选取策略

针对当前服务组合往往将服务提供者与用户都看成是可信的,导致服务组合质量不高,而实际互联网络中服务组合的各参与方都有虚假、恶意的可能,这些低声誉度的实体对服务组合严重影响服务组合的质量等问题,提出一种基于两层声誉演化模型来刻画组合实体间的信誉演化关系.该模型首先通过服务组合交互双方向系统提交的rating建立公众声誉系统,然后,通过主体间的直接或者间接交互来形成直观的声誉评价体系;在此基础上,提出支持声誉演化的服务组合选取方法.实验与理论分析结果表明,该方法能较好地抑制恶意实体干扰,减弱低质量服务的影响,具有良好的适用性.     

基于主从策略的两层约束变尺度决策方法

本文针对上层为多目标，下层多人多目标且具有优先级的两层决策问题，建立了其数学模型和决策机制，随后提出了一种交互式决策方法，该方法具有交互过程简单，计算量较小等优点。     

网络流量测量的自适应抽样方法研究

由于高速网络技术的发展,直接对网络流量进行全分组测量相当困难,为了解决这一问题,流量抽样测量研究已经成为高速网络环境下进行流量测量的一个热点.在对目前的抽样测量技术研究的基础上,分析了一种自适应抽样测量技术.结果表明:该方法能充分利用现有资源提高抽样测量的准确性,为研究其他的自适应抽样方法提供一定的参考.     

基于同步时间可控的自适应滑膜变结构同步方法

针对一类受扰混沌系统的修正函数投影同步问题,提出了一个同步时间可控的自适应滑模变结构同步方法.该方法选取积分滑模面来消除抖振,抑制稳态误差,提高控制精度.同时,还巧妙地引入了同步速度控制参数,通过调节相关控制参数,可以控制同步速度,具有较高的使用价值.该方法还采用自适应控制来放宽对外界干扰的限制,无需事先已知外界干扰的的上界.理论分析及仿真结果验证了该方法的有效性.     

基于自适应神经网络的云资源预测模型

为了避免容器云资源因资源供求不均衡而导致的资源利用率差等问题,需要对未来时刻的资源需求情况进行预测来进行更精准的调度和分配资源,因此,结合神经网络的高效学习能力与自适应调整的学习率,提出一种基于自适应神经网络的云资源预测模型。首先,融合卷积神经网络(convolutional neural network, CNN)和长短期记忆(long short-term memory, LSTM)网络的特点去挖掘历史数据的特征,预测未来的资源需求;然后,根据模型预测情况自适应调整学习率,提高模型预测的精度。使用Microsoft Azure公开数据集进行测试,相较于单一模型CNN、LSTM和未加入自适应学习率的神经网络模型,均方根误差分别下降了17.74%、18.27%和6%,证明了模型的有效性。     

网络出口资源受限的自适应带宽分配策略

各级网络通常会受到出口带宽容量的限制,随着互联网技术的普及和应用的增多,网络出口普遍面临容量升级的压力.虽然出口扩容能够解决高峰期的瓶颈问题,但通常也会带来设备升级开支以及更高额的带宽租赁费.基于出口带宽用量的潮汐特征,将终端策略的带宽和QoS进行分级分档,并引入警戒系数,提出一种"逐级升档、快速降档"的自适应动态带宽分配算法,实现了高峰期约束出口带宽和保证基本业务的目标,同时算法可以对出口扩容提供预警信息.实验部分通过真实的网络设备搭建测试环境,验证了算法的正确性和有效性.     

基于MAC层协议的自适应退避算法

针对二进制指数退避算法传输时延较高、 信道利用率和吞吐量较低等问题, 提出一种基于MAC层协议的自适应退避算法. 先对比系统延迟中值及数据包传输时间, 得出退避因子的大小, 从而使退避窗口据此动态变化, 再由得到的最大退避时隙数建立多冲突以太网通信网络模型. 仿真实验结果表明, 该算法相比于二进制指数退避算法在多冲突以太网场景中, 传输时延较低, 吞吐量和信道利用率均较高, 从而提高了传输实时性.     

基于不同抽样方法的土地资源遥感监测研究

遥感已经成为土地资源监测的主要手段,土地资源遥感监测结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感监测结果的可靠性。其中,抽样方法是影响土地资源遥感精度评价的一个重要因素。利用不同分辨率遥感数据获取的某县土地利用/覆盖信息,进行了简单随机抽样、分层抽样和等距抽样三种不同抽样组织方式下的精度检验分析,评估了不同抽样方式下的精度检验效果。结果表明,不同抽样方式下的精度检验结果都存在一定的波动。简单随机抽样方法得到的精度并不是随着样本数的增加而递增的,而是在不同面积的区域内,有其最佳的抽样样本个数与真实精度最接近。分层随机抽样与全样本的真实评价结果很接近,比较适合于土地利用现状的精度检验。等距抽样不适合于土地利用现状的精度检验。