版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、網(wǎng)絡(luò)流量測(cè)量和分析對(duì)于網(wǎng)絡(luò)管理、網(wǎng)絡(luò)規(guī)劃和網(wǎng)絡(luò)安全應(yīng)用等都有非常重要的作用。近年來(lái)隨著網(wǎng)絡(luò)帶寬的高速發(fā)展,信息量快速增加,要測(cè)量網(wǎng)絡(luò)中的全部數(shù)據(jù)流量變得越來(lái)越困難。如何快速準(zhǔn)確地測(cè)量網(wǎng)絡(luò)流量成為一個(gè)研究熱點(diǎn)。 為了解決網(wǎng)絡(luò)測(cè)量所面臨的問(wèn)題,人們提出了抽樣測(cè)量技術(shù),即抽樣測(cè)量部分流量,然后從統(tǒng)計(jì)學(xué)角度估計(jì)原始流信息。抽樣測(cè)量技術(shù)分為基于流的抽樣和基于報(bào)文的抽樣?;诹鞯某闃庸烙?jì)精度高,但是資源消耗量大;基于報(bào)文的抽樣可擴(kuò)展性好,但
2、是估計(jì)精度低。 本文在分析基于流的抽樣技術(shù)和基于報(bào)文的抽樣技術(shù)的基礎(chǔ)上,提出了雙抽樣方法。雙抽樣方法的抽樣流需要經(jīng)過(guò)兩次抽樣才能獲得。首先進(jìn)行流抽樣得到一組抽樣流,然后進(jìn)行報(bào)文抽樣,得到最終的抽樣流。以網(wǎng)上采集的Traces進(jìn)行抽樣試驗(yàn),經(jīng)對(duì)比分析表明與單純的報(bào)文抽樣和流抽樣相比,雙抽樣方法在系統(tǒng)資源消耗方面有很大優(yōu)勢(shì),減少了抽樣過(guò)程中所要維護(hù)的信息量。 為了解流量及所需資源情況,知道未抽樣流的長(zhǎng)度和數(shù)量是有意義的,本論
3、文研究了如何由抽樣報(bào)文流統(tǒng)計(jì)數(shù)據(jù)推斷出所對(duì)應(yīng)的未抽樣流的統(tǒng)計(jì)數(shù)據(jù)的算法。抽樣會(huì)造成信息的損失。首先,分析了雙抽樣方法中信息損失情況,第一步的流抽樣導(dǎo)致了原始流數(shù)量的減少;第二階段的報(bào)文抽樣在第一階段抽樣流的基礎(chǔ)上既有流數(shù)量的減少,也有流長(zhǎng)度信息的損失。針對(duì)流抽樣的估計(jì),根據(jù)流被抽空的概率大小將流分為長(zhǎng)流和短流,對(duì)于長(zhǎng)流用比例法估計(jì);對(duì)于短流用EM算法估計(jì),得到了由第一階段流抽樣所得抽樣流的流長(zhǎng)分布。針對(duì)報(bào)文抽樣的估計(jì),用比例法在前一階段
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Bloom Filters流抽樣算法的研究.pdf
- 基于抽樣的分布式關(guān)聯(lián)規(guī)則挖掘算法.pdf
- 基于圖像處理技術(shù)的棉纖維長(zhǎng)度測(cè)量及其分布研究.pdf
- 棉纖維長(zhǎng)度分布的圖像測(cè)量.pdf
- 網(wǎng)絡(luò)流量測(cè)量中的抽樣算法研究.pdf
- 流量測(cè)量系統(tǒng)中基于特定流的流匹配算法研究.pdf
- 基于抽樣的集成進(jìn)化算法研究.pdf
- 基于Gibbs抽樣的有約束多項(xiàng)分布模體識(shí)別算法.pdf
- 基于BPM的束團(tuán)長(zhǎng)度測(cè)量研究.pdf
- 非同分布抽樣回歸學(xué)習(xí)算法.pdf
- 長(zhǎng)度的測(cè)量
- 基于時(shí)頻分布算法的深海高度測(cè)量系統(tǒng)
- 網(wǎng)絡(luò)抽樣流超時(shí)策略的研究.pdf
- 基于虛擬向量的主機(jī)基數(shù)分布測(cè)量算法.pdf
- 基于干涉法的量塊長(zhǎng)度測(cè)量技術(shù)研究.pdf
- 基于報(bào)文抽樣的長(zhǎng)流檢測(cè)算法研究.pdf
- 基于度特征的部分推導(dǎo)邊抽樣算法研究.pdf
- 基于Cuckoo抽樣的超點(diǎn)檢測(cè)算法研究.pdf
- 基于抽樣的隱私保護(hù)聚類挖掘算法研究.pdf
- 38850.正態(tài)雙卵模型的gibbs抽樣算法
評(píng)論
0/150
提交評(píng)論