网络距离预测技术研究

P2P网络中节点间的距离信息是实现拓扑感知以优化覆盖网应用以及解决网络监管等问题的基础.P2P网络的大规模、自组织、高度动态等复杂特征使得要准确、完全地测量节点间的距离信息面临着极大的困难.因此,研究者们提出各种预测技术,目前对网络距离预测技术的研究已成为P2P领域的研究热点.首先,提出了一个网络距离预测技术的研究框架,指出了研究的重点以及相关技术问题,分析了研究历史;其次,对各种预测方法加以分类,在分类的基础上,介绍了各种典型的预测方法并进行了对比分析;最后总结了各种精确性度量标准,并指出了未来的研究趋势.

一种基于被动路标的网络距离预测方法

网络拓扑信息的引导能够显著提高大规模分布式应用程序的性能,然而直接测量节点之间拓扑信息产生的开销远大于其收益.提出一种新的基于被动路标的节点间网络距离预估方法PLNDP,使用Lipschitz变换将普通节点到路标节点的网络延迟映射到度量空间Rn,再利用距离函数计算映射后的网络坐标之间的距离,从而预测节点之间的网络距离.PLNDP中路标节点不需要主动探测,可利用Internet上已部署的高性能服务器为之,极大降低部署成本.引入有效路标和修正因子,提高了预测的准确性.实验结果表明,与经典方法GNP和Vivaldi相比,PLNDP在多个性能参数方面具有明显的优势.

基于网络距离度量和分簇的P2P流量控制

针对BitTorrent(BT)系统中对等连接消耗大量骨干网络带宽导致网络拥塞的问题,提出基于网络距离度量和网络分簇的节点分配策略。仿真实验表明,在不影响BT客户端下载性能的情况下,该分配策略能够将更多的数据流量限制在网络簇内部,提高数据流量的局部性,有效地减少BT系统对骨干网络带宽的消耗。

基于网络距离的缓冲区及其生成算法

提出基于网络距离缓冲区的概念,并实现了相应算法。对于GIS的开发及应用,特别是对于城市GIS的开发,具有一定的参考价值。

Cocast:一种基于传感器的分布式网络距离预测任意播算法

针对Internet环境中基于网络坐标估计节点间网络距离的问题,提出了一个利用任意播机制分布式的网络坐标预测算法Cocast:所有用户节点均加入一个结构化Peer-to-Peer对等网;对等网中任意的节点均可以发送网络坐标任意播查询消息,该消息被转发到多个负责坐标计算的用户节点,这些用户节点分布式地预测消息发起节点坐标,最终消息发起节点获得一个综合的坐标位置。Cocast基于网络坐标任意播选择提供位置估计的用户节点,利用层次化网络嵌入预测坐标位置,借助位置融合传感器机制过滤恶意节点的影响。实验表明Cocast具有可扩展、快速收敛、渐增精度、抗恶意节点破坏等优点。

网络距离预测技术

首先概述了网络距离预测的基本概念,从不同角度对网络距离预测技术进行了分类讨论.然后根据预测机理的差异将现有网络距离预测技术划分为基于虚拟坐标的预测技术、基于网络拓扑结构的预测技术以及网络邻近度估计技术.在对典型的预测技术进行分析对比后,详细综述了网络距离预测的研究现状,对现有的各种预测技术以及研究成果进行了分析,指出了需要进一步研究的问题.最后探讨了网络距离预测技术的未来发展方向.

能量分簇传感器网络距离误差校正MDS-MAP定位算法

经典MDS-MAP算法在无线传感器网络定位中存在误差较大及计算量随网络规模增大而急剧增加的缺点。该文设计了基于自身和邻居节点剩余能量大小的成簇方法,形成的簇具有适当节点连接度和簇大小,降低了下一步定位算法的计算量和误差。然后对于仅有连通信息的簇内节点,利用时间差测距方法获得簇首与其他单跳节点间距离。提出多跳节点间距离误差校正算法,利用相邻节点的几何关系及节点连接度信息,获得簇内多跳间隔节点距离。采用多维标度技术计算各簇内节点相对坐标,融合簇间坐标并通过锚节点转换为绝对坐标,最终实现节点的定位。所提方法通过能量分簇及多跳间隔节点加权几何距离校正算法,相对于经典多维标度算法定位提供更准确的节点间距离信息,能够在进一步提高定位精度的基础上降低无线传感器网络定位功耗。

一种改进的基于道路网络距离的K近邻查询算法

研究了空间网络数据库中的K近邻查询,提出了一种新的基于道路网络距离的KNN查询算法。这种方法以已有的道路网络模型框架为基础,通过预计算NN表,减少了昂贵的最短路径计算,利用两个链表记录已访问弧段的信息,避免了不必要的磁盘I/Os,从而有效地提高了算法效率。实验结果表明,在目标点分布比较密集的情况下,本算法明显优于其他算法。

支持入侵容忍的网络距离选举计算模型

为了增强非可信环境下网络坐标系统生存能力,该文重新解释了经典模型中锚节点作用力的物理意义,以锚节点信誉代替距离预测误差作为权值,提出了网络距离选举计算模型,并将其归结为1l损失函数优化问题求解。针对目标函数的不可微特性,基于增量次梯度算法搜索目标函数极优值,并利用比例控制器实现了迭代步长的负反馈控制。实验证明,在计算代价可接受的前提下,模型不仅实现了可信环境下更高的计算精度,而且体现了远较基准算法为优的入侵容忍能力,在严重非可信环境下仍能提供质量尚可的网络距离计算服务。

基于聚类选取参考节点的改进型网络距离预测机制

随着大规模的分布式网络应用对网络主机间距离信息的需求,深入研究了基于虚拟坐标的IP网络距离预测机制。在基于固定landmarks的网络坐标系统中,普通主机通过测量到所有landmarks的距离来计算自己的坐标,其中landmarks的个数将影响到系统的距离预测准确度和测量开销网络坐标系统(network coordinate system, NCS)综合了Vivaldi和GNP的优势,具有良好的网络距离预测性能,然而它没有讨论landmarks的选取问题因此,提出一种改进型网络距离预测算法—INCS,该算法首先选定网络中的一组主机作为landmarks,然后按照landmarks之间的相互距离对其进行聚类,最终从每个聚类中按照所提出的策略选择一个节点作为普通主机的实际参考节点。仿真结果表明:与NCS算法相比较,INCS算法在牺牲0～24%(根据90%相对误差)预测准确度的情况下,能够大大减小系统的测量开销;同时INCS可以使参考节点的选择灵活化,分散参考节点处的负载,从而提高系统的稳定性。

网络距离预测方法的研究

在Internet中,节点间的网络距离是影响网络应用性能的重要原因之一。虽然通过直接测量可以优化它们的性能,但是由于会产生较大的测量开销和网络拥塞而不适用于实际的大规模网络应用。网络距离预测方法既可以满足实际应用的需要又可以减少由直接测量产生的网络侵扰,是当前的研究热点之一。首先介绍了它们的研究历程并按照不同的标准进行分类,接着在以上分类基础上对这些方法进行详细的分析和讨论,最后探讨未来的研究方向并总结全文。

一种层次化网络距离预测机制

网络坐标系统向分布式应用提供了一种高效的网络距离信息获取机制,但现有基于单一度量空间嵌入的距离预测机制难以精确描述因特网复杂的层次结构特征,进而导致较大的距离预测误差.文章提出了一种分域的层次化网络距离预测机制NetPharos,该机制根据因特网结构以及性能特征将其划分为相互独立的核心预测域和边缘预测域,通过相关边缘预测域和核心预测域内预测值迭加获取节点间距离信息.理论分析和仿真实验显示,NetPharos能够有效解决预测过程中短距离和长距离的相互干扰问题,提高预测精度.

基于可伸缩语义网络距离的Web多维信息识别算法

Web信息复杂程度不断加深,多维度、高复杂度的信息越来越多,信息特征的多元化弊端日益呈现。Web特征的表述越来越困难。为解决这一问题,提出了一种基于可伸缩语义网络距离的Web多维信息识别算法。在Web特征表述过程中,运用语义网络强度的多维信息表达能力,对多维信息进行表达,运用一种可伸缩模糊语言距离的概念,满足Web信息的多样性。完成多维信息的高效挖掘。实验结果表明,该算法能有效减少Web信息挖掘事件,提高了挖掘的准确性,取得了满意的效果。

人工神经网络距离继电器的仿真研究

距离继电保护是高压传输线继电保护的一种主要方法。传统距离继电器的精度受到不同的故障条件以及电网结构变化的影响,容易发生误动、拒动等现象,给电力系统带来重大损失。本文提出一种基于人工神经网络的距离继电器,该方法以三相电压和电流的基波分量幅值作为网络输入。仿真结果表明,与传统的继电器相比,该继电器反应迅速、准确,即使在不同的故障条件和网络条件下也能正常工作。

无线传感器网络距离无关定位算法研究

网络自身定位问题是无线传感器网络的基本和重要问题之一。由于range-based定位机制的局限性,无需配置测距或测角设备,硬件成本低的距离无关定位算法被提出。根据是否有无锚节点来论述和比较现有的距离无关定位算法,提出距离无关定位算法需进一步研究解决的问题。

基于因特网坐标系统预测网络距离技术

文中描述了在P2P网络中如何使用基于坐标的机制来预测网络距离,介绍了常用的是全局网络定位(GlobalNetworkPositioning,GNP)方法。这种方法的主要特点是通过将因特网建模成一个几何空间来计算绝对坐标并建立因特网坐标系统,再以绝对坐标为基础预测网络距离。由于终端主机维护它们自己的坐标,这些方案允许终端主机一旦发现其它主机存在就计算它与其它主机之间的距离。由于坐标在描述主机间距离时十分有效,这使得该方法在网络测距方面具有很高的可扩展性。

神经网络距离-多普勒超分辨雷达成像

研究利用神经网络实现超分辨雷达成像。该方法首先根据Tuff的前后向线性预测(FBLP)方程用神经网络得到样本序列的AR模型参数,然后利用神经网络作线性预测外推,再用神经网络对外推后的数据作离散哈特来变换(DHT)。从哈特来变换可以方便地得到外推数据的离散傅里叶变换,从而得到距离-多普勒超分辨雷达像。利用微波暗室数据对这一方法进行了数字仿真,结果表明这种方法是可行的,即使在低信噪比下也有较好的性能。

超宽带Ad Hoc网络距离辅助QoS路由协议

为了充分发挥超宽带高速率的特性,本文具体设计了Ad Hoc网络距离辅助的QoS路由。该路由协议主要考虑了传输速率和端到端时延这两个QoS参数,综合考虑路由的跳数和带宽来选择路由,并利用超宽带的精确测距能力及时切换路由,保证了高速业务能够稳定进行。本文给出了路由协议中路由发现、路由选择和建立以及路由维护的详细过程,最后通过使用OPNET仿真验证了协议的性能。仿真结果表明,该协议比DSR协议在吞吐量和平均时延上有所改进。

人工神经网络距离继电器

提出一种基于人工神经网络的距离继电器。与传统的继电器相比 ,该继电器反应迅速、准确 ,在不同的故障和网络条件下都能正常工作。

无线传感器网络距离自调整的MDS定位算法

定位技术是无线传感器网络中的关键支撑技术之一。针对移动无线传感器网络的特点,在深入分析现有多维定标节点定位算法的基础上,提出一种改进机制,即距离自调整的多维定标节点定位算法(SA_MDS)。该算法运用3种方法估算节点的两跳距离,然后自动调整节点间的估算距离,从而提高定位精度。仿真结果表明,采用SA_MDS算法,节点的定位精度有较大提高。