基于过滤器钩子驱动的数据包过滤研究与实现

在对Windows2000／XP操作系统下网络过滤器钩子驱动分析基础上，提出了一种在Windows2000／XP操作系统下网络数据包拦截技术．该技术巧妙地将过滤器钩子挂接到系统默认的IP过滤器驱动上，实现数据包过滤，其主要依据是利用ipfiltdrv．sys所提供的功能来拦截网络数据包．     

基于动态矩阵方法的网络控制系统补偿策略

针对网络控制系统数据包不确定的问题,分析了该特性对网络控制系统的影响以及目前的控制方法,设计了控制器节点由事件-时间驱动,传感器节点和执行器节点由时间驱动的分布式网络控制系统模型.在此基础上,根据预测控制中动态矩阵方法具有的简单实用的特点,提出了基于动态矩阵方法的时延控制和数据包丢失补偿策略.应用此策略进行了仿真,结果表明补偿后的系统输出与存在网络时延,但数据包按时到达的系统输出几乎一致,验证了该策略的有效性.     

混沌算子网络在经济数据预测中的应用研究

采用多个混沌算子单元组成一种新的预测网络,实现经济数据的预测分析.利用已知数据构造出训练样本,通过调节混沌算子单元的控制参数来控制其动力学特性,以此改变预测网络的动力学行为,使预测网络的动力学特性逐渐逼近被预测系统,并随之一致变化,从而实现时间序列的动态预测分析.利用该方法对国内生产总值和国民总收入等经济数据进行了预测...     

基于最大Lyapunov指数的网络业务流量预测

在高速网络资源分配与拥塞控制研究中,网络业务流量的预报是一个具有重要意义的课题.基于准确的业务预报,网络管理和控制方案更易于适应业务流量的动态变化,从而达到优化网络性能的目的.而高速网络中大量存在着以自相似性为特征的多种业务流量.已有研究表明,这种自相似特性与混沌现象的吸引子有着紧密的联系.笔者利用混沌时间序列的重构相空间方法,对高速网络中自相似信源的速率做出了预测,并给出了最大可预报时间.该方法的预测模式简单,仿真结果表明,预测的精度也比较高.     

一种收方主动的ad hoc信道接入协议研究

ad hoc网络中,接收方主动的信道接入协议在传输数据分组时减少了握手控制分组,对直接冲突、间接冲突和噪声干扰比发送方主动的信道接入协议更具有健壮性,且对往返时间不敏感.针对RIMA-DP协议不能准确预测数据到达时间,文章利用全向天线的广播特性来对协议中的应答ACK控制分组进行改进,使得在传播中下一跳节点能够根据监听到的ACK来预测数据包的到达时间,提高了吞吐量,降低了端到端的延迟.仿真结果表明了该协议的有效性.     

激光水下目标探测中混沌背景信号重构的研究

对激光水下目标探测中混沌背景信号的重构问题进行了研究．讨论了混沌时间序列的动态特性，并实际计算了激光水下目标探测中混沌背景信号的时延、混沌维数等有关特征参量．在阐述神经网络重构时间序列模型机理的基础上，提出用神经网络局部预测法重构水下目标探测中混沌背景信号，最后在成功地重构出混沌背景信号的条件下，利用预测误差检测到水下目标探测中的有用弱信号．实验结果表明这种方法是比较有效的．     

基于递归网络的混沌时间序列预测

为了能对时问序列充分建模,从混沌的慨念入手,将混沌与神经网络相结合,利用人工神经网络的拟合特性,提出了递归网络的混沌时间序列预测方法。给出了递归神经网络预测的基本理论、数学模型、及具体步骤,并通过由杜芬方程所产生的混沌时间序列对该神经网络进行了模拟实验。仿真结果表明,该方法远好于前馈网络的预测效果,其预测误差在10^-15的数量级上。     

基于小波-Elman神经网络的信号交叉口首车到达时间预测

信号交叉口首车到达时间与交叉口进口道的延误等参数具有密切的关系。论文选取信号交叉口首车到达交叉口时间与红灯启亮时间的时间差作为分析对象,对首车的到达时间进行了预测。考虑到周期时长的首车到达时间序列数据波动性较大,首先,使用了互信息法和Cao方法确定了相关参数,并应用最大李雅普诺夫指数判别时间差时间序列的混沌特性,然后,运用小波-Elman神经网络预测方法对首车的到达时间进行了预测,结果表明,预测数据的误差均值为3.13s。研究成果为信号交叉口延误参数的提取和信号配时优化提供了可靠的数据来源。     

应用Elman神经网络的混沌时间序列预测

利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示 Elman网络对混沌时间序列预测的良好特性     

基于混沌算子模型的人口数据序列预测

采用混沌算子预测模型对我国人口出生率、死亡率、自然增长率以及人口总数等数据进行预测分析.多个基本混沌算子单元通过加权和的形式构成预测模型.利用已知的人口数据组成预测网络的训练样本,根据网络预测值与期望值之间的误差,调节各混沌算子参数来减小误差,以此改变预测模型的动力学特性,使之逐渐与被预测系统的动力学特性相一致,从而完...     

Modeling and Real-time Performance Analysis of Switched Ethernet by Network Calculus

The real-time performance of switched Ethernet is a hot research field. However, there isn＇t any effective modeling to describe it until now. Through analyzing the structure of classical switch, a switch model by network calculus is proposed, in which the data flow is divided into real-time flow and non real-time flow and the arrival curve, service curve, the max delay and max storage needed are got. The max delay provides theory direction for transmitting real-time data in switched Ethemet and the max storage provides the theory reference for constructing switch in real-time industrial Ethernet.     

智能家居电器网络的RSC-MAC协议设计

家居电器网络由以太网、无线局域网或无线蜂窝等通信介质连接,通过发送控制消息对家用电器实现有效管理.在研究家居电器网络的基础上,提出了一种具有可靠传感和控制操作的混合MAC协议(RSC-MAC),并设计了支持RSC-MAC协议的QoS(服务质量)方法,有效地保证家居电器网络中任何控制消息的延迟,提高了传感数据采集的灵活性.仿真结果表明,在规定的延迟时间内,RSC-MAC成功交付所有的控制数据包,并在交付传感数据包时表现出良好的性能.     

办公建筑运行能耗的混沌时间序列复合预测

针对办公建筑已有的能耗预测方法中未能考虑到能耗数据的混沌变化特性,提出了一种基于混沌时间序列的办公建筑运行能耗预测方法.对研究对象的时间序列进行相空间重构,判断其具备混沌特性,建立混沌理论和支持向量回归的组合模型进行训练,采用Markov链消除组合模型由于参数传递产生的累积误差,得到最终预测结果.为了验证算法的有效性,以西安某办公建筑的能耗监测数据为例进行实例分析,并与非线性自回归神经网络、支持向量回归等其他预测方法进行对比.实验结果表明,经过Markov修正后的混沌时间序列组合模型预测精度显著提高,预测效果优于其他方法,且更符合办公建筑能耗的变化规律,为节能优化提供有效的数据支撑.     

基于回声状态网络优化的宽间隔混沌跳频码预测研究

传统宽间隔混沌跳频码预测方法无反馈结构,记忆能力差;且训练过程烦琐,泛化性能差,对预测精度产生不好的影响。为此,提出一种新的基于回声状态网络优化的宽间隔混沌跳频码预测方法。设计回声状态网络,其由输入层、递归层以及输出层三个部分构成。在递归层内部各神经元间引入连接权值稀疏矩阵,使递归层内部存在动态记忆。回声状态网络储备池规模、储备池内部连接权谱半径、储备池稀疏度、储备池输入单元尺度对宽间隔混沌跳频码预测准确性产生不同的影响。通过和声搜索方法对四种储备池参数进行优化,实现回声状态网络的改进。确定优化回声状态网络输入输出数据,建立优化回声状态网络。确定储备池参数,通过训练数据激活储备池,计算回声状态网络输出连接权矩阵,对宽间隔混沌跳频码进行预测。实验结果表明,所提方法预测结果可靠,和其他方法相比有很高的预测精度。     

基于网边缘控制的QoS路由算法

为给不同的用户提供不同的服务质量(QoS),提出一种基于网边缘控制的因特网QoS路由算法。该算法中,路由选择的决断主要由网边缘做出,核心路由器的任务简化为通报网络信息和协调用户决断这两个较为简单的功能,利用用户级别的自组织路由来达到上述目标,从而形成一个扩展性强的自适应QoS路由算法。它使用路由探测分组与染色分组来增强网络的自适应能力;不需了解全局信息,只需局部网络状态即可;利用用户的自组织行为来协调路由行为。分析与仿真实验表明:该算法比传统算法有较强的动态性、可扩展性和较强的QoS提供能力。     

基于WinPcap的实时网络监测系统

实现了一个基于WinPcap的实时网络流量监测系统,完成了数据包级和流级的流量指标,包括2~7层协议分布,不同协议的流量速率,包大小分布,不同聚集程度的流分布,前N名的IP主机和主机对分布等;并提供网络运行状态的告警指标.实验结果表明,对于100 M以太网,基于WinPcap的软件捕获流量监测程序的处理上限为60 000 packet/s,完全可以胜任100 M以太网监测需求.     

基于混沌时间序列的水电机组状态短期预测

基于混沌时间序列短期可以预测的特点,构建水电机组状态短期预测。用采样周期确定相空间时延τ,G-P算法确定关联维数从而确定相空间的嵌入维数m,小数据量法证明水电机组振动状态的混沌特性。在重构相空间中,运用加权一阶局域法构建水电机组状态短期预测模型。结果表明:混沌特性指数λ=0.2605的水电机组振动状态具有混沌特性,可以在最佳嵌入维数m=4的情况下进行预测,实例结果表明采用混沌理论进行水电机组状态短期预测是可行的。     

基于径向基函数的海杂波时间序列预测方法

介绍基于混沌理论的海杂波分析方法,依据加拿大McMaster大学IPIX雷达实测海杂波数据,按照TAKENS的嵌入定理,设计了混沌预测器.预测器采用径向基函数神经网络重建海杂波的混沌动力系统,即建立海杂波的精确预测模型.实验表明,基于径向基函数的混沌时间序列预测器精度完全能够实现单步预测功能.学习误差为0.0232,预测误差为0.0277.     

基于门控循环单元神经网络的公交到站时间预测

为提高用户公交出行积极性、方便管理部门合理调度公交班次,利用大数据分析公交浮动车辆历史GPS数据,考虑不同线路、公交站点地理位置、不同驾驶员、气象情况、时间分布等多因素的影响,建立了一种基于门控循环单元(gated recurrent unit, GRU)神经网络的公交到站时间预测模型。该模型结合5 000多万条原始数据,借助分布式Hadoop集群中的Spark弹性分布式数据集进行数据清理,并运用站点匹配算法进行源数据匹配、Lasso算法优化特征选项及去除干扰。实验仿真结果表明:改进的GRU模型R-square拟合度达到94.547%,并且算法效率较传统长短期记忆(long short-term memory,LSTM)神经网络提高了近14%,为进一步提高公交到站时间的预测精度与效率提供了参考。