一种稀疏度自适应的网络流量矩阵测量方法

发布时间：2018-07-13 21:57

【摘要】：为提高网络流量矩阵测量的精度,在压缩感知框架下提出一种稀疏度自适应的网络流量矩阵测量方法.通过对网络流量矩阵的主成分分析及奇异值归一化处理寻找信号支撑集选择的判定阈值,利用网络流量矩阵重构过程中的残差L2范数匹配计算各测量时间点上网络流量矩阵的稀疏度,减小由于网络流量矩阵近似稀疏表示以及稀疏度选择不准确造成的测量误差.仿真实验结果表明:所提出的方法与现有方法相比能够获得更小的空间相对误差和时间相对误差.通过稀疏度自适应选择方法,能够有效提高网络流量矩阵的测量精度.
[Abstract]:In order to improve the accuracy of network traffic matrix measurement, a sparse adaptive network traffic matrix measurement method based on compressed sensing is proposed. Through the principal component analysis of network traffic matrix and singular value normalization process, the decision threshold of signal support set selection is found. The residual L2 norm matching in the reconstruction of network traffic matrix is used to calculate the sparse degree of network traffic matrix at each measurement time point, and the measurement error caused by approximate sparse representation of network traffic matrix and inaccurate selection of sparse degree is reduced. The simulation results show that compared with the existing methods, the proposed method can obtain less space relative error and time relative error. The measurement accuracy of network traffic matrix can be improved effectively by using the method of adaptive sparsity selection.
【作者单位】： 哈尔滨工业大学自动化测试与控制系;
【基金】：国家自然科学基金(61501135) 黑龙江省博士后基金(LBH-Z11171)
【分类号】：TP393.06

【参考文献】

相关期刊论文 前2条

1 杨京礼;孙超;姜守达;魏长安;;基于层次分解的网络链路时延分布快速推测算法[J];电子与信息学报;2013年08期

2 周爱平;程光;郭晓军;;高速网络流量测量方法[J];软件学报;2014年01期

【共引文献】

相关期刊论文 前10条

1 杨京礼;姜守达;魏长安;孙超;;一种高效的单播网络自适应拓扑推测算法[J];电子学报;2013年10期

2 李振国;郑惠中;;网络流量采集方法研究综述[J];吉林大学学报(信息科学版);2014年01期

3 张润生;康一丁;张冠杰;李艳斌;;基于非参数假设检验的拓扑推断算法[J];电子科技大学学报;2014年05期

4 刘勇;雒江涛;邓生雄;王小平;;基于Hadoop的网络分流和流特征计算[J];电信科学;2014年12期

5 许丽敏;吴哲夫;哈卡米;;基于压缩感知的水声通信网络流量预测[J];电声技术;2015年02期

6 侯颖;黄海;兰巨龙;李鹏;朱圣平;;基于自适应超时计数布鲁姆过滤器的流量测量算法[J];电子与信息学报;2015年04期

7 谢奇爱;;一种基于信息熵的压缩感知流量恢复算法[J];重庆科技学院学报(自然科学版);2015年03期

8 冀晖;罗志强;金华敏;;互联网恶意流量安全检测技术研究与应用[J];电信科学;2014年S2期

9 王晶;汪斌强;张校辉;;基于可重构测量模型的网络测量任务部署算法[J];电子与信息学报;2015年07期

10 伊鹏;钱坤;黄万伟;王晶;张震;;基于抽样流长与完全抽样阈值的异常流自适应抽样算法[J];电子与信息学报;2015年07期

相关博士学位论文 前4条

1 杨京礼;基于层析成像技术的虚拟试验网络测量方法研究[D];哈尔滨工业大学;2013年

2 杨浩;面向不确定环境的物联网压缩感知问题研究[D];中国科学技术大学;2013年

3 杨松;面向自感知网络的测试关键技术研究[D];北京邮电大学;2014年

4 赵彦超;面向无线网络吞吐量优化的干扰模型研究[D];南京大学;2015年

相关硕士学位论文 前9条

1 李志昌;基于NT技术双参数的拓扑推断方法研究[D];兰州交通大学;2013年

2 李培儒;基于NT技术的网络拓扑推断可视化研究[D];兰州交通大学;2013年

3 朱彦君;基于张量分解的缺失数据插补算法的研究[D];杭州电子科技大学;2014年

4 牛艳宁;网络流量的新模型研究[D];北京交通大学;2014年

5 石佳玉;基于时延特性的网络拓扑推断技术研究[D];兰州交通大学;2014年

6 王晓鸽;基于流量矩阵的网络入侵检测研究[D];兰州交通大学;2014年

7 许丽敏;基于贝叶斯压缩感知的无线网络定位技术研究[D];浙江工业大学;2014年

8 英旭;基于链路测量的端到端流量重构与特征提取仿真实现[D];东北大学;2013年

9 李晓方;混合SDN的流量矩阵估计和路由优化研究[D];中国科学技术大学;2015年

【二级参考文献】

相关期刊论文 前10条

1 王洪波;程时端;林宇;;高速网络超连接主机检测中的流抽样算法研究[J];电子学报;2008年04期

2 钱峰;胡光岷;姚兴苗;李乐民;;一种非平稳网络延迟层析成像的方法[J];电子学报;2008年07期

3 顾然;邱雪松;乔焰;李娟;孟洛明;;基于非线性规划的链路丢包率推理算法[J];电子与信息学报;2012年06期

4 李东;张乃j;孙怡;;网络透视中延迟推理算法的研究和改进[J];哈尔滨工业大学学报;2009年01期

5 程光;龚俭;丁伟;吴桦;强士卿;;基于自适应抽样的超点检测算法[J];中国科学(E辑:信息科学);2008年10期

6 ;Identifying heavy hitters in high-speed network monitoring[J];Science China(Information Sciences);2010年03期

7 苏海波;金德鹏;曾烈光;;一种自底向上的推测链路延迟分布的快速算法[J];计算机应用研究;2011年09期

8 程光,龚俭,丁伟;基于抽样测量的高速网络实时异常检测模型[J];软件学报;2003年03期

9 罗娜;李爱平;吴泉源;陆华彪;;基于概要数据结构可溯源的异常检测方法[J];软件学报;2009年10期

10 吴桦;龚俭;杨望;;一种基于双重Counter Bloom Filter的长流识别算法[J];软件学报;2010年05期

【相似文献】

相关期刊论文 前10条

1 田文飚;芮国胜;;平滑零范数稀疏度约束下的盲稀疏回溯重构算法[J];宇航学报;2013年03期

2 彭森;许飞云;贾民平;胡建中;;含稀疏度约束的非负张量分解算法及其在故障诊断中的应用(英文)[J];Journal of Southeast University(English Edition);2009年03期

3 董政;葛临东;巩克现;;基于压缩采样匹配追踪的稀疏度和稀疏信道联合估计[J];四川大学学报(工程科学版);2014年01期

4 马原;吕群波;刘扬阳;钱路路;裴琳琳;;基于主成分变换的图像稀疏度估计方法[J];物理学报;2013年20期

5 周亚同;张伟;杨瑞霞;;一维非均匀采样信号可变稀疏度傅里叶重建算法研究[J];微电子学与计算机;2012年07期

6 王平;阮怀林;樊甫华;陈小波;;基于压缩感知超宽带信号盲稀疏度信道估计[J];电讯技术;2012年11期

7 朱延万;赵拥军;孙兵;;一种改进的稀疏度自适应匹配追踪算法[J];信号处理;2012年01期

8 周亚同;王丽莉;唐红梅;;基于压缩感知的稀疏度自适应图像修复[J];铁道学报;2014年09期

9 杨成;冯巍;冯辉;杨涛;胡波;;一种压缩采样中的稀疏度自适应子空间追踪算法[J];电子学报;2010年08期

10 安春燕;纪红;李屹;张晓亮;;压缩采样中基于离散时间马尔科夫链的动态控制机制(英文)[J];Journal of Southeast University(English Edition);2012年03期

相关硕士学位论文 前4条

1 陈世姣;盲稀疏度的CS前向预测算法及其在稀疏结构信号中的应用[D];华南理工大学;2013年

2 任淼;Directionlets格型实现及其在CS稀疏度和观测维数估计中的应用[D];华南理工大学;2011年

3 刘京川;基于稀疏度检测的宽带压缩频谱感知方法研究[D];北京邮电大学;2013年

4 傅剑斌;稀疏信道估计关键技术研究[D];解放军信息工程大学;2013年

，

本文编号：2120866