基于GainRatio降维算法的流量聚类研究

随着网络数据流量的快速增长,需要高效的流量分类技术来实现网络管理、流量控制和安全检测。传统基于端口和有效负载的流量分类方法准确率低,无监督学习方法往往仅采用单一的聚类算法对数据进行聚类分析,且较少研究对数据本身的处理。为了解决上述问题,提出了先运用GainRatio信息增益率方法对原始数据进行降维处理,再将降维后的数据进行聚类的方法。实验结果表明:提出的方法不仅有效地提高了运行效率,而且随着聚类个数的增加,也明显地提高了高准确率的收敛速度。

一类反向的Jensen不等式(英文)

设f是区间I上的一个可微凸(凹)函数.如果对于每个t∈I,有f′(t)>0或f′(t)<0;且在I上1/f′(t)为凸或为凹,那么对于所有的pi>0和xi∈I(i=1,2,…,n)成立不等式f∑ni=1pixi∑ni=1pi≥(≤)∑ni=1pif(xi)f′(xi)∑ni=1pif′(xi) 还研究了等式成立的条件和若干相关的不等式.

非线性优化的航空电源交流畸变系数算法研究

研究航空电源交流畸变系数检测问题,其核心在于从采样数据中准确获得交流基波分量。提出一种新算法,将交流基波分量计算问题转换为非线性连续优化问题,通过多维单纯形下降法同步优化幅值、频率和相位,最小化基波分量与采样信号的误差,从而获得接近真实的交流基波分量,并据此准确计算交流畸变系数。该方法已被应用于某大功率航空电源检测系统中,试验测试表明其具有良好的检测效果。