多分形小波在网络流量特征分析中的应用研究

《多分形小波在网络流量特征分析中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章绪论搭建了比较完善的网络流量测试平台并对流量的多种测量方法进行了研究[8]，并基于小波变换的方法对流量的特征进行了分析，提出了流量具有多分形等特性的观点，为日后的流量预测分析打下坚实的基础。中科院软件研究所等一些学术研究机构也在网络流量的特性研究方面做了许多开创性的工作，证实了网络流量具有自相似特性，并基于此建立了相关的分析模型并对流量进行了模拟仿真，取得了比较好的效果。纵观网络流量研究的发展史，特别是近几年，网络流量的特性分析与建模在国内外研究机构和研究人员当中越来越受到了广泛的重视，这方面的研究层出不穷。1.3论文的主要工作1.自相似性，长相关性，多分形特性是网络流量的重要特征

2、，自相似参数（Hurst），是自相似特性的唯一参数，是网络流量最基本的特性之一，评价流量模型最重要的标准。本文介绍了几种常见H值的估计方法，并介绍分析了关于H值估计法优劣的实验，本实验采用上述估值方法对确知的长相关样本序列进行H值估计，检验了估值算法的正确性。通过实验可以发现:几种估值算法都能够给出正确的判断，其中，周期图法性能最佳，余数方差法性能最差；不同的估值算法性能表现不尽相同。2.网络流量分析模型是研究分析网络流量特性的重要工具，本文介绍了国内外常见的几种流量分析模型：传统的网络流量模型与自相似的网络流量模型，并介绍了一个重要的模型分析实验，通过实验对以上模型进行分析得出：小波变

3、换模型通过伸缩和平移运算对信号进行多尺度分析，这与实际真实网络流量的多尺度特征是相类似的；对于流量中普遍存在的多重分形特性，小波变换也能够对它进行比较精确的分析；而且小波变换算法的复杂度仅为O(nlnn)。虽然目前小波变换法还有很多不足之处，但由于小波固有的优良性质，小波模型在流量的预测分析的道路上必将走的更远。3.以上实验为本文实验部分流量分析模型、流量特性分析指标的选择奠定了理论基础。在网络流量特性分析中，国内外研究者和研究机构大量使用的是基于β乘子的多分形小波模型（βMWM），本文引入了基于另外两种不同分布乘子的多分形小波模型，即point-massMWM与hybridMWM。文章

4、首先对三种乘子的多分形小波模型进行理论上的分析，从理论分析中推出他们在网络流量的合成预测中分别起到的作用。然后收集网络中的流量信号（流量来自于ACMSIGCOMM的dec2pkt1）并分别利用三种模型进行网络流量的合成，从外观上对三种乘子合成后的流量进行感性的比较。4.本文选取Haar小波基，通过对真实网络流量、模型合成流量进行流量自2万方数据湖南工业大学硕士学位论文：多分形小波在网络流量特征分析中的应用研究相似性、长相关性、多分形等特性的分析、比较，得出结论:MWM模型选用β分布不是必须的，可以依据信号的不同特性选择不同的分布对小波变换后的粗细尺度进行控制，从而得到与原始流量最为接近的

5、合成流量，为网络流量的预测、控制、网络的优化设计、仿真以及网络管理等方面奠定基础。1.3论文的组织结构本文的组织结构如下：第一章介绍了网络流量特征分析的课题背景，网络流量特性研究的现状和主要的发展方向，并介绍了本文的研究内容和组织结构。第二章介绍了与本文有关的小波理论，阐述了小波分析的形成与发展、小波变换的定义、多小波分析的理论基础和多小波分辨分析以及与本文有关的分形学的基本概念。第三章总结了网络流量特性分析的主要内容，介绍了网络流量多尺度、自相似、长相关、多分形的特性及其定义，并针对以上的流量特性给出了国内外常用的分析方法方差法、周期图法、R/S估值法以及小波法等。第四章介绍了传统网络

6、流量模型并总结了传统模型的缺陷，接着列举了几种自相似的网络流量模型。第五章对三种乘子的多分形小波模型进行深入的研究，分别使用三个模型对网络流量进行模拟合成，通过对合成流量的统计特性、长相关特性、多分形特性及分布特性的比较，给出了三种模型的不同适用情况。第六章对全文的研究工作做出总结，并展望了下一步的研究工作。1.4本章小结本章首先介绍了网络流量分析的研究背景，接着总结了流量特性研究的主要方向，最后介绍了本文的工作安排。3万方数据第二章小波理论与分形学概述第二章小波理论与分形学概述1.3小波理论小波变换[11]具有多尺度的特点，可以对信号进行从细节到概貌的观察，因此有人称小波变换是分析信号

7、的数学显微镜。小波变换将函数分解为简单函数之和，而这些简单函数是由一个小波函数经过伸缩和平移而得到的，这个小波函数具有很好的局部性和光滑性，使得人们通过分解系数刻划函数时，可以分析函数的局部性质和整体性质。理论上使用傅立叶分析（FourierAnalysis）的地方，都可以用小波分析取代。小波分析优于傅立叶变换的地方是：它在时域和频域同时具有良好的局部化性质，即对信号的低频分析用较长的时间段分析，而对信号的高频分量用较短的时间段分析