分段Hurst指数感知的流级别分类

发布时间：2017-09-16 13:01

  本文关键词：分段Hurst指数感知的流级别分类

  更多相关文章： 流 识别与分类 流量分形 数据相关性 Hurst指数

【摘要】：关于流识别与分类,目前主流的技术是基于统计学方法,核心环节是提取有效的特征属性集。这种方法的假设条件是,特征不相关,数据不相关。正因为这种假设的不合理性,使得分类效果有限。虽然已经有很多研究在集中解决特征相关性问题,但数据相关性却难以突破。因此引入流量分形理论,该理论建立在数据相关性基础之上。通过对原有理论进行必要的修改、调整以适用于流的分类识别,并用理论证明验证其有效性,最后通过系列实验体现该方法在粗粒度分类、未知流分类等方面的实际效果。
【作者单位】： 安徽师范大学物理与电子信息学院;南京邮电大学通信与信息工程学院;
【关键词】： 流 识别与分类 流量分形 数据相关性 Hurst指数
【基金】：国家自然科学基金(No.61401004) 安徽省自然科学基金(No.1508085QF133) 安徽师范大学创新基金(No.901-741407)
【分类号】：TP393.06
【正文快照】： 1引言随着互联网的迅猛发展,网络流量急速增长,对网络流量进行准确有效的分类识别,以实施有区分的服务,可以帮助网络运营商为用户提供更好的服务质量、提高网络效率,可以增进网络监督和管理,确保网络安全、保障网络平稳运行。因此,网络流量的识别与分类成为通信领域的重点研究

【相似文献】

中国期刊全文数据库 前10条

1 洪飞,吴志美;基于小波的Hurst指数自适应估计方法[J];软件学报;2005年09期

2 武莹;李俊州;;基于Haar小波和极大似然估计的Hurst参数估计法[J];华中师范大学学报(自然科学版);2013年06期

3 王欣,方滨兴;Hurst参数变化在网络流量异常检测中的应用[J];哈尔滨工业大学学报;2005年08期

4 程葳;;利用Hurst指数预测网络话题热度[J];现代计算机(专业版);2012年23期

5 喻莉;陈晨;;一种基于数据块选择的方差时间图Hurst参数估计方法[J];计算机科学;2007年12期

6 王霁;单佩韦;;基于FrFT的网络流量Hurst参数估计器[J];现代电子技术;2011年08期

7 马书南;乐红兵;毛蓝;;视频流量中基于小波的Hurst参数估计研究[J];计算机工程与设计;2007年07期

8 任勋益;王汝传;蔡小华;傅雷杨;;一种基于Hurst指数的异常检测软件[J];计算机科学;2008年11期

9 陈建;谭献海;贾真;;7种Hurst系数估计算法的性能分析[J];计算机应用;2006年04期

10 张博;汪斌强;智英建;;长相关网络流量Hurst指数估计算法[J];计算机工程;2009年02期

中国重要会议论文全文数据库 前1条

1 王燕;徐志江;孟利民;;基于MF-DFA方法的Hurst指数估计[A];中国电子学会第十七届信息论学术年会论文集[C];2010年

中国重要报纸全文数据库 前4条

1 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年

2 海通期货研究所 郭梁;时变Hurst指数在股票指数中的应用[N];期货日报;2009年

3 张学琦;IBM Ian Hurst：愿帮助中国银行业在创新中转型[N];中国电子报;2008年

4 徐庆超 编译;2011年美国房价平稳[N];中国社会科学报;2010年

中国硕士学位论文全文数据库 前10条

1 薛静;基于Hurst指数的AED自动诊断分析算法研究[D];复旦大学;2014年

2 叶建萍;资本市场的Hurst指数估计[D];广西师范大学;2010年

3 王霁;基于分数阶傅里叶变换的Hurst参数估计系统设计和实现[D];华东师范大学;2011年

4 朴金金;沪深300的Hurst指数估计方法的比较及应用[D];华中师范大学;2014年

5 孟祥磊;基于Hurst指数的中国股指期货市场有效性研究[D];哈尔滨工业大学;2014年

6 何晶;几类特殊Hurst指数下的期权定价[D];华中科技大学;2011年

7 王莹莹;中国股票市场Hurst指数与多重分形分析[D];华中科技大学;2006年

8 孙玲玲;时变Hurst指数长记忆随机波动率模型下的期权定价[D];华南理工大学;2013年

9 韩忠玲;分形高斯噪声Hurst参数估计的实验评价[D];华东师范大学;2008年

10 赵晴;基于ARM的室性波识别技术[D];山东师范大学;2008年

，

本文编号：863183