共查询到18条相似文献,搜索用时 49 毫秒
1.
2.
3.
针对网络流量的自相似、重尾分布等特征,对传统的系统抽样进行改进,设计出一种新的抽样方法--自适应系统双抽样.该算法以传统的系统抽样为基础进行改进,充分考虑了网络流量重尾分布的特点,能正确估算Hurst参数,实现简单,参数自适应且能控制资源消耗.通过真实网络数据的实验分析表明,在链路负载估计、包到达时间间隔等方面较传统抽样方法都有明显的改进,提高了测量系统的精确性和实用性. 相似文献
4.
针对天地一体化智能网络流量具有长相关,且突发性强的特点,通过对多分形小波模型构造系数分布合理化选取,构建了基于威布尔分布的混合小波网络流量模型(W_OWM,Weibull of wavelet model).模型结合独立小波模型的长相关描述能力和多重分形模型的短期突发描述能力,选取威布尔分布重构流量,解决了传统多分形小波模型构造系数的分布选取与实际流量分布特性无关的问题,该模型能够准确、有效的描述天地一体化智能网络流量的行为特征.仿真分析表明:W_OWM重构流量表现了突出的重尾特性,与实际流量的分布特性相似,W_OWM多分形谱的描述贴合于实际流量多分形谱,更能体现流量的长相关性. 相似文献
5.
《计算机应用与软件》2016,(12)
由于传统流量模型使用泊松分布描述流量到达过程,不能反映网络流量的突发特性,根据多个具有重尾分布的ON/OFF节点建立流量模型。并分析验证了数据流的到达过程服从Pareto分布,通过干扰概率、信道竞争度、物理干扰模型SINR来计算得到路由判据LIM,并基于路由判据LIM提出LIM-HWMP协议。该协议根据LIM在具有流量突发特性的网络中选择一条干扰较小的路径,减少了端到端时延。通过NS2仿真软件对HWMP、LIM-HWMP进行仿真验证表明,改进的路由协议在平均端到端时延以及丢包率方面都有一定的改善。 相似文献
6.
长期的流量测量数据非常珍贵,因为通过对这些长期的流量数据进行分析,不但能发现Internet和运行于其上的各种网络应用如何在演变,更重要的是还可发现其中不变的规律。提出了网络监测平台的流量数据多级存储系统设计,并根据高速网络流量的重尾分布特性,采用合理的流数据存储策略,可大幅度减少要存储的数据量,同时又保留了必要的网络信息,适应于不同精度的测量需求并兼顾了成本、性能和效率。 相似文献
7.
8.
针对实际人脸图像中含有重尾噪声的问题,提出一种基于混合Kotz-型分布的多分类人脸识别方法。利用Kotz-型分布与广义逆厂分布混合表现出的较厚拖尾特性,结合核方法和概率统计知识,通过调节混合Kotz-型分布中的参数,估计人脸图像中重尾噪声的拖尾情况。分别向ORL人脸库、Yale人脸库、Randface人脸库添加程度不同的重尾噪声,形成新的含有不同程度重尾噪声的人脸库,通过对3个人脸库进行验证,结果表明,该方法能较好地估计人脸图像的拖尾特性,对含有重尾噪声的人脸图像有较高的识别率。 相似文献
9.
10.
信道调度算法是光突发交换(OBS)网络的关键技术之一。在主动重调度算法的基础上,提出了一种新的多重主动重调度算法,通过搜索并重调度数据信道上所有能进行重调度的突发,使多个突发重调度后产生的间隔尽量小,从而降低突发丢失率。 相似文献
11.
12.
该文首次提出了用分数次布朗运动来分析无线通信业务中的数据业务,分数次布朗运动具有自相似性、重尾性和长期相关性,因此能够完整地分析无线通信业务的特性并仿真出相应的业务图,从业务量到具体的会话层、网页层、对象层进行分析,并与相应的有线网络进行比较,得出无线环境下的网络特性。 相似文献
13.
网络流模型被广泛用于构建网络与网络服务的测试环境,其准确性直接影响各种业务的性能评估结果及在实际网络环境中的鲁棒性.随着电子商务及新型网络应用的普及,突发流现象已经成为现代互联网的主要特征之一.针对平稳网络流而设计的传统网络流模型已经难以有效地描述现代网络中突发流的时间结构性及统计属性,从而不能准确反映现代网络流的行为特征.为此,提出一种新的结构化双层隐马尔可夫模型用于模拟实际网络环境下的突发流,并设计了有效的模型参数推断算法及突发流合成方法.该模型通过结构化的2层隐马尔可夫过程描述突发流并实现仿真合成,使合成流可以重现实际突发流的时间结构性、统计特性及自相似性.实验表明,该模型可以有效合成突发流. 相似文献
14.
15.
在光突发交换网络的核心路由器中,多等级业务会由于选择路由的不同而采用不同的概率选择输出端口进行输出。本文首先指出了以前基于单业务等概率输出研究的不足,然后对这种多业务非等概率输出问题进行了研究,并且给出了计算机数值模拟分析过程和结果,对于以后实际光突发交换网络的设计有一定的理论指导意义。 相似文献
16.
17.
We introduce a scalable searching protocol for locating and retrieving content in random networks with heavy-tailed and in particular power-law (PL) degree distributions. The proposed algorithm is capable of finding any content in the network with probability one in time O(logN), with a total traffic that provably scales sub-linearly with the network size, N. Unlike other proposed solutions, there is no need to assume that the network has multiple copies of contents; the protocol finds all contents reliably, even if every node in the network starts with a unique content. The scaling behavior of the size of the giant connected component of a random graph with heavy-tailed degree distributions under bond percolation is at the heart of our results. The percolation search algorithm can be directly applied to make unstructured peer-to-peer (P2P) networks, such as Gnutella, Limewire and other file-sharing systems (which naturally display heavy-tailed degree distributions and approximate scale-free network structures), scalable. For example, simulations of the protocol on the limewire crawl number 5 network [Ripeanu et al., Mapping the Gnutella network: properties of large-scale peer-to-peer systems and implications for system design, IEEE Internet Comput. J. 6 (1) (2002)], consisting of over 65,000 links and 10,000 nodes, shows that even for this snapshot network, the traffic can be reduced by a factor of at least 100, and yet achieve a hit-rate greater than 90%. 相似文献