网络层析成像若干关键技术研究

《网络层析成像若干关键技术研究》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、电子科技大学博士学位论文网络层析成像若干关键技术研究姓名：钱峰申请学位级别：博士专业：通信与信息系统指导教师：胡光岷20080501摘要计算复杂度考虑，利用基于奇异值分解的广义逆方法求解超定系统方程得到最后链路的丢包率。该方法与现有的三包组方法相比，可以在探测包数量相同的情况下，通过自由组合，构成包含更多方程的超定方程组，提高了解的精度和稳定性。3．大尺度网络流量矩阵估计方法研究提出了一种基于递归多感知器大尺度网络流量矩阵的追踪算法，首先引入了黑盒子模型对流量矩阵估计问题进行无先验建模；其次，利用递

2、归神经网络对模型进行求解；最后得到整个网络流量矩阵的追踪算法。该方法克服了对先验模型的依赖，提高了估计精度、稳定性和实时性，还便于采用并行算法或网络分布式算法进一步提高求解的实时性。4．网络拓扑结构估计方法研究提出了一种快速的网络拓扑结构的分层聚类估计算法，通过引入了基于高斯混合模型的递归算法，改进了网络拓扑结构估计中相似性量度聚类过程，可以在不降低估计精度的前提下，提高了网络拓扑结构估计的实时性。5．网络流量分类方法研究提出了一种基于混合高斯的网络流量半监督分类方法。与有监督分类方法相比，半监督方

3、法只需要利用少部分的标识数据(大约10％)进行分类，由于标识的数据获得经常是困难的、昂贵的或者花费大量的时间，半监督方法非常适合具体的应用，具有更好的实时性；与无监督分类方法相比，由于使用标识数据进行聚类团的类别确定，具有更高的分类精度。同时，分析了影响半监督分类方法性能的几大因素，优化了半监督分类方法的参数配置，进一步提高了半监督分类方法的分类性能。关键词：网络行为学，网络层析成像，递归神经网络，高斯混合模型，半监督分类·IIABSTRACTWiththerapiddevdopmentofthei

4、ntemct，networkservicesandarchitecturearealsoundergoingprofoundchanges．Todesign,controlandmanagethenetworksuccessfully,wehavetounderstandandgraspitsinternalcharacteristics(includingallkindsofnetworkparametersandtopology)．Howtoaccurateandtimelyestimatene

5、tworkperformancecharacteristicsinmoreandmorecomplexintemetenvironmenthavebecomeoneoftheforefrontscientificproblemswhicharefocIlsedbytheacademiccommunityandindustrycommunityallOVertheworld；Meantime，thisproblemisnotonlythebasicresearchcontentofnetworkbeh

6、avior,butalsothefoundationofnetworkoptimizedesign，anomalydetectionandanalysis，networkmonitoringandevaluationandSOon．Inpast,thetraditionalintemetmeasuremethodusuallyresolvessuchaproblemthroughthecooperationofnode，however，asinternettowardtheevolutionofdi

7、stributive，nocorporative，heterogeneousmanagementandedgecontrol，thetraditionalinteractmeasuremethoddonotmeetfullytherequirementsofvariousapplicationsonnetworkmeasurenlent，forcertainspecificcircumstances，westillneedtostudythenetworkmeasurementmethodwitho

8、utthecooperationofindividualserversandrouters．Byapplyingtomographytheorywhichissuccessfullyappliedinfieldssuchasmedicineandseismologytotheproblemsofnetworkmeasurementincommunicationnetwork,networktomographyCallinfertheinternalperformanc