减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络(ANFIS)的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。

基于MATLAB/VB的网络故障诊断软件设计

将VB调用Matlab的方法应用到基于神经网络的网络故障诊断系统软件的设计中;以VB编写诊断系统的主界面,利用ActiveX技术调用Matlab神经网络工具箱完成对网络故障的诊断,将两者的优势有机结合,从而缩短了程序开发周期,减少了程序员的工作量;该软件具有良好人机交互界面,便于网管人员的学习和掌握,且实例验证表明利用VB调用Matlab方法开发的网络故障诊断系统,其诊断结果可靠,能够满足网络实时故障诊断的要求。

基于自适应模糊聚类的LM-BPNN网络故障诊断

提出一种综合运用模糊聚类和神经网络改进算法的网络故障诊断方法.根据网络故障特征数据量大、且存在冗余和冲突的特点,基于模糊聚类思想,提出了以聚类中心为核、自适应半径来优选样本的数据预处理方法.在进行故障特征的学习训练时,针对BP神经网络用于网络故障诊断时训练次数多、收敛慢和易振荡的局限性,使用结合了Levenberg-Marquardt的改进算法.理论分析和实验结果表明,文中提出的网络故障诊断方法能达到诊断更快速、更准确的效果.

基于速率和队长的大时滞网络AQM算法

针对网络拥塞控制系统在大时滞网络中产生的不利影响,提出一种基于速率和队长的大时滞网络AQM算法。该算法采用缓冲区队列长度和包到达速率作为网络拥塞的判别依据,在结合Smith预估的模糊PID控制方法中加入速率控制项。仿真表明该算法在大时滞和网络动态变化的环境中拥塞响应较快、收敛时间短,并能较好地将队列长度稳定到期望值附近,提高缓冲区的利用率。

基于模糊逻辑的分层组播拥塞控制机制

分析现有分层组播拥塞控制的优缺点,提出一种基于模糊逻辑的分层组播拥塞控制机制FLMCC。接收端利用指数平滑预测模型预测期望速率,根据期望速率选择层数,从而获得不同的吞吐量。发送端根据接收端的反馈使用模糊控制器对发送速率进行调整,从而平滑发送速率。仿真结果表明,FLMCC具有良好的公平性和速率平滑性,能够适应网络异构性。

基于模糊逻辑的单速率组播拥塞控制机制

分析了现有的单速率组播拥塞控制的优缺点,提出了一种基于模糊逻辑的单速率组播拥塞控制机制FSRMCC;在FSRMCC中接收端利用指数平滑预测模型预测期望速率,运用模糊判决器控制反馈信息的发送,减少反馈包的数量,发送端根据反馈信息通过模糊控制器及时调整发送速率,减少速率抖动;仿真表明,FSRMCC具有良好的TCP友好性、速率平滑性、响应性以及可扩展性,适用于流媒体组播业务的传输。