基于并行双通道时空网络的流量数据修复技术

流量数据丢失是网络系统中常见的问题,通常由传感器故障、传输错误和存储丢失引起.现有的数据修复方法无法学习流量数据的多维特征,因此本文提出了一种结合双向长短期记忆网络与多尺度卷积网络的双通道并行架构(ST-MFCN)用于填补流量数据的缺失值,同时设计了一种新的对抗性损失函数进一步提高预测精度,该模型有效地学习流量数据的时间特征和动态空间特征.本文在Web traffic time series数据集上对模型进行测试,并与现有的修复方法进行对比,实验结果表明,ST-MFCN能够减少数据恢复的误差,提升了数据修复的精确度,为网络系统中的流量数据修复提供了一种稳健高效的解决方案.

基于改进迁移学习的光通信网络流量数据连续插值研究

光通信网络流量数据具有大规模和高维度的特点,而数据量纲不一致,数据之间的差异会被放大,使得插值效果不理想,所以提出基于改进迁移学习的光通信网络流量数据连续插值方法。通过Box-Cox变换法对流量数据展开标准化处理,统一数据量级与量纲。通过深度学习理论与VNet技术改进卷积神经网络,通过更新网络参数使连续插值结果与理想数据进行匹配,得到流量数据连续插值结果。实验表明,所提方法的信噪比始终高于27.83 dB,频率-波形分布图与理想数据的频率-波形分布图相似度最高,决定系数在0.8以上,能够获得高质量插值结果。

无线网络突发流量数据分区调度方法

针对无线网络中突发流量数据导致网络存在传输时延和拥塞问题,提出基于多核神经网络的无线网络突发流量数据分区调度方法。首先,利用空闲时槽侦听的无线网络分区方法,通过计算节点分布密度和节点流量容量,判断无线网络中节点处于稀疏区域还是密集区域。其次,利用多核极限学习机,对无线网络稀疏和密集两个区域的突发流量数据进行预测。对于稀疏区域的突发流量数据,直接通过CSMA/CA协议进行调度;对于密集区域的突发流量数据,通过统计方法计算出突发流量数据利用率以及可利用率,再对各信道数据进行归一化处理,获取突发流量数据的转发概率。再次,依据突发流量数据的转发概率进行节点发送,并通过设置信道的队列长度阈值来发送或丢弃突发流量数据,实现无线网络突发流量数据分区调度。实验结果表明,该方法能够灵活地调度无线网络突发流量数据,提升其吞吐量,使数据丢弃率始终低于0.03%、平均传输时延始终低于0.1 s,可准确预测无线网络突发流量。

移动蜂窝网络多出口流量数据精准清洗方法

为了提升移动网络多出口流量数据的清洗精度,降低冗余数据占比,提出移动蜂窝网络多出口流量数据高效清洗方法。依据移动蜂窝网络结构特点以及流量特征,预处理移动蜂窝网络多出口流量数据;利用差分自回归移动平均模型,构建移动蜂窝网络多出口流量数据高效清洗模型;将多出口流量数据四元组作为模型输入,运用优化粗糙集理论的数据约简算法,达到精准清洗移动蜂窝网络多出口流量数据的目的。实验证明该方法可通过流量数据预处理降低冗余数据占比,可降低流量数据输出出错率,提高了移动网络多出口流量数据的清洗精度。

网络攻击检测中流量数据抽样技术研究

网络攻击检测的关键是通过对网络流量的分析快速识别网络中的未知攻击行为。大数据环境下,如何在不影响异常检测效果的前提下通过数据抽样技术粗粒度减少需要处理的网络流量数据,筛选出需要进行细粒度异常检测的子集,为网络攻击发现提供可靠数据支撑,是网络入侵检测系统研究的重要问题,也是目前网络行为分析、网络测量分析、网络异常检测、网络流量模型研究的重点。文章对网络攻击检测中流量数据抽样技术的基本概念、研究进展和存在问题进行阐述,对网络流量数据抽样技术面临的挑战和发展趋势进行总结和展望。文章可为进一步探索网络攻击检测领域的新方法和新技术提供借鉴和参考。

基于车流量数据的智能交通安全设施布局优化

随着城市化的快速发展,交通安全问题日益凸显。智能交通系统的实施为解决这一问题提供了新的思路和技术支持。本研究基于实际车流量数据,通过构建优化模型,探索智能交通安全设施的最佳布局方案。研究采集并分析了多种车流量数据,利用统计和机器学习方法提取数据特征,评估现有交通安全设施的布局效果,并识别其中的不足。在此基础上,构建了一种新的布局优化模型,并通过案例研究验证了模型的有效性。结果表明,优化后的布局能够显著提高交通安全性,减少交通事故发生。

基于ADCP二线能坡法的河渠水流量数据 自动监测方法

为解决传统的水流量测量方法通常需要人工操作、经济性较差、精度难以保证等问题。提出基于ADCP二线能坡法的河渠水流量数据自动监测方法。确定ADCP的测流参数后,采用ADCP测量出河渠断面流速数据,并基于二线能坡法建立垂线流速和断面平均流速的关系式,获取垂线流速,结合河渠截面积计算出河渠水流量,完成河渠水流量数据的自动监测。实验结果表明,该方法所得河渠水流量数据和实际数据之间吻合度较高,监测结果精确度相对较高。

基于分布式流量数据的恶意软件检测方法

在网络安全领域,恶意软件已成为一种常见的威胁。为有效应对这种威胁,需采用有效的恶意软件检测技术。文中介绍了一种基于分布式流量数据的恶意软件检测方法。该方法利用分布式存储系统和流计算模型,通过对流量数据的分析和处理来快速检测恶意软件,为用户提供更加准确和及时的恶意软件检测服务,从而提高整个系统的安全性。

高速网络入侵检测中流量数据约简研究

高速网络数据庞大且高维度,网络入侵检测系统要面对流量数据约简的问题。如何有效地实现流量数据约简是网络入侵检测系统需要研究的一个重要问题。文中首先介绍网络入侵检测中流量数据抽样和特征降维基础;然后从网络流量数据抽样和网络流量特征降维两个方面总结了网络流量数据约简研究进展;最后阐述了网络入侵检测中流量数据约简研究的未来发展趋势和面临的挑战。文中所研究的流量数据约简为进一步探索网络流量测量和网络空间安全提供参考和借鉴。

基于WAMP的网站流量数据分析

传统的网站只是在页面上使用计数器进行简单的访问者数量的统计.随着互联网技术的快速发展,对于Web网站服务运营商来说,及时、高效、准确地了解网站运营情况非常重要,只是简单的计数统计并不能真正对网站运营状况做出全面的评估.基于WAMP的网站流量数据分析系统正是对传统技术的加强,其中WAMP指的是由Windows、Apache、MySQL和PHP共同组成的一个强大的Web应用程序平台,本文介绍一个在WAMP的基础上建立的系统,利用Smarty技术、Jpgraph技术以及Javascript技术,实现对网站访客信息的收集、整理、存储以及最后的图形展现,为运营商提供有效、直观的统计信息.通过这些量化的信息,运营商可以借此针对性地提高服务质量、制定运营战略,从而增强市场竞争力.

基于数据融合的交通流量数据在线校正

针对传感器数据采集过程中出现的数据缺失或异常,通过对相邻车道交通流量数据的相关性的研究与分析,提出一种交通流量数据的在线校正模型,该模型采用最小二乘支持向量机回归融合相邻车道交通流量数据,并结合历史同期数据对交通流量数据的异常进行在线判断与校正。该模型应用于现场采集交通流量数据的校正处理,实验结果表明该模型的有效性。

基于管网分区流量数据的漏损检测方法研究

为减轻城镇供水管网漏损造成资源浪费,以预测分类为基本思想,将小波降噪处理后的管网流量监测数据用于PSO寻优最小二乘支持向量机(LSSVM)算法的预测模型,并对预测模型进行训练和评估,再结合模型预测误差分布规律,推出阈值和漏损量的估算方法用于漏损检测。结果表明,模型预测值与实际水量的平均误差较低,稳定性高,结合预测—阈值分类法能够及时检测出突发性漏损并相对准确地估算出漏损量。

基于流量数据的分层态势评估算法

提出一种层次化宏观网络流量数据态势量化分析的方法,基于流量数据依次提取出服务级、节点级和网络级的流量态势量化值,评估流量数据变化剧烈程度,反映出网络的安全态势,用于辅助判断特定节点、整个网络的监控范围以及某项服务的异常程度。

基于GSM短消息传输小流量数据的设计

伴随着GSM网络的全球化普及,短消息及其增值业务以其方便、灵活、快捷、价格低廉等优势已经迈入许多领域,并逐步取代传统的信息传输方式。因此,利用GSM通信模块和短消息技术构建无线发布平台来实现信息的传输和监控将成为一种必然趋势。本文提出的基于GSM短消息的小流量数据传输,将能稳定地进行数据采集和远程监控。

一种基于IP流量数据的计费系统的实现

对基于ＩＰ流量数据的网络计费系统进行了分析，讨论了一个具体的模型及其实现办法，提出 了应用ＳＮＭＰ协议来进行ＩＰ流量数据的采集，并利用ＪＡＶＡ语言进行计费系统关键部分实现的 方案。

应用KS聚类算法处理DMA分区流量数据

通过应用具备实时监控功能的智能水表,水司获得了大量管网流量数据。目前,数据挖掘技术可实现对这些数据的信息利用最大化和合理分析。针对聚类算法中经典的K-means、自主映射(SOM)和模糊C均值(FCM)存在的聚类效果不理想问题,采用基于DMA分区水量曲线距离和形状的KS聚类算法处理流量数据提高聚类效果。通过对X市43个DMA分区预处理的流量数据的聚类分析,KS聚类算法的聚类效果优于K-means、SOM和FCM聚类算法,且可利用对KS聚类结果的分析,指导水司检测漏损、偷水的异常情况。

基于大规模图谱分析的移动流量数据识别算法研究

在信息时代下,网络中每天都会有大规模移动流量数据产生。采用面向海量数据处理的高效、可靠的分布式并行计算成为互联网行业和各大营运商研究重点。文章阐述了移动流量数据监测方法和意义,重点对基于图谱分析的网络流量数据分析与识别算法进行研究。对于网页请求间的相互关系分析,采用基于依赖图模型的用户点击识别算法;对于网络实体间的关系结构分析,设计了并行tNMF算法;为对大规模移动网络流量进行精细化分析,提出了基于Spark计算框架的并行快速流式算法。

高质量传输大流量数据

在通信和计算机技术日益成熟的今天，诸如视频会议、实时音频和视频的多点组播等应用程序，对数据吞吐量和网络延时等因素的要求大大高于传统的如电子邮件和远程文件访问等异步应用程序。应用QoS技术，可以实现高质量传输大流量、多类型的数据，实现海量数据实时、高效传输。

运营商流量数据货币化现状和发展研究

在我国互联网产业飞速发展的背景下,各大运营商也纷纷推出了流量数据货币化的相关产品,其根本目的在于优化流量资源配置,提升流量价值,获得更高盈利。但由于我国流量数据货币化尚还处于起步阶段,所以其存在的问题也日益突显。鉴于此,文章将对运营商的流量数据货币化作简要阐述,提出当前运营商流量数据货币化所存问题,并针对性对提出相关解决策略,意在推动流量数据货币化的进一步发展。

面向大规模网络流量数据的实时汇聚查询关键技术研究

随着互联网发展,用户面临网络流量数据规模大、处理时效要求高的挑战,需解决数据采集、实时处理、存储组织和查询检索中的关键问题,为此,本文提出一种分布式的数据汇聚查询平台,通过半同步半异步模式的分级架构,支持采集超大规模流量数据;利用多分区队列的消息缓存、并行分布式流处理和基于属性划分的数据加载等手段优化组合,实现高效的实时处理;采用基于抽象数据访问驱动的虚分区式数据存储来对异构数据统一管理,具备良好扩展性;通过异步构建的分级索引架构,实现对数据报文的快速检索,最终为用户提供低延迟、高吞吐、快查询的一体化系统.实验证明平台有良好性能和可扩展性,主要环节有数倍以上不同程度的性能提升,并已应用于实际系统.