计算机网络性能检测方法浅析

随着计算机网络技术的发展,网络性能检测与分析愈显重要.对网络质量指标进行量化、比较和验证,是网络性能检测的主要目的.     

一种自适应的网络监测方法

为了有效地监测网络可用性和网络性能,解决当前监测系统在监测网络可用性和网络性能时无法兼顾网络可用性监测精度与网络附加流量的问题,提出了一种根据网络状况自适应监测网络可用性和网络性能的方法.自适应监测方法能够较好地兼顾网络可用性监测精度和网络附加流量,并在监测中加入了故障定位技术.数学分析表明,自适应的方法能减少监测产生的附加流量,尤其当网络规模较大时自适应的方法更为优越.实际测试结果表明,自适应的方法在减少附加流量的同时,能够监测网络可用性的准确度,较好地监测网络性能,并能定位网络故障.     

异构网络表示学习方法综述

现实生活中存在的网络大多是包含多种类型节点和边的异构网络,比同构网络融合了更多信息且包含更丰富的语义信息。异构网络表示学习拥有强大的建模能力,可以有效解决异构网络的异质性,并将异构网络中丰富的结构和语义信息嵌入到低维节点表示中,以便于下游任务应用。通过对当前国内外异构网络表示学习方法进行归纳分析,综述了异构网络表示学习方法的研究现状,对比了各类别模型之间的特点,介绍了异构网络表示学习的相关应用,并对异构网络表示学习方法的发展趋势进行了总结与展望,提出今后可在以下方面进行深入探讨:1)避免预先定义元路径,应充分释放模型的自动学习能力;2)设计适用于动态和大规模网络的异构网络表示学习方法。     

网络表示学习方法研究综述

随着社交网络、科研合作网络和万维网等信息网络的不断发展,具有网络结构的数据呈现爆炸式增长.如何合理地表示网络中的特征信息已成为网络分析的关键问题.网络表示学习(又称为网络嵌入)旨在将网络中的组件(节点、边或子图等)表示成低维的稠密向量,同时最大程度地保留组件在原网络中的信息和属性.由网络表示学习方法得到的表征向量可进一...     

网络可靠性计算方法研究

网络可靠性是评估网络性能的重要指标．本文研究了网络可靠性分析方法及标准,研究了网络系统一种随机性可靠性指标——全端可靠性的计算问题．本文研究了可靠性评价指标中的全端可靠性的准确计算方法因子定理和上界值法．首先给出了适用于小型网络的准确计算全端可靠性的计算方法．在此基础上,通过分析网络连通子网数与网络割集数的关系,应用可靠性多项式给出一种计算全端可靠性界的公式．     

网络信息资源组织方法研究

基于网络信息资源组织方法的研究,分析了网络环境对传统信息组织方式的冲击,对目前出现的各种网络信息组织方法加以梳理和归纳,阐述了元数据等网络信息资源组织方法的概念、原理及优缺点,展望了网络信息资源组织的发展趋势。     

网络控制系统控制方法研究

由于在控制回路中引入了网络,给控制系统带来新的问题,其中最主要的问题之一是网络的时延问题,网络延时会降低控制系统的性能甚至引起系统不稳定.因此,许多研究者致力于研究开发新的控制方法以处理由于网络的引入而引起的时延问题.在此,把近年来国内外的研究方法及现状给予归纳总结,并就网络控制结构和网络时延特性及其影响给予介绍,最后提出其发展趋势.     

信息网络表示学习方法综述

网络表示学习方法将信息网络表示为低维稠密携带网络节点特征信息的实数向量,应用于下游机器学习任务的输入,随着机器学习与深度学习的发展,网络表示学习拥有强大的建模能力且应用广泛。对网络表示学习方法、应用进行了归纳总结。首先,对当前国内外网络表示学习方法进行梳理归类,分为传统方法、基于网络结构的嵌入、融入属性信息的嵌入,以及基于谱域的图卷积、基于空间的图卷积和图attention网络,按类别对各类模型详细阐述,对比模型之间的适用性和方法特点;其次,介绍了网络表示学习的相关应用,包括推荐系统领域、生物医药领域等,整理常用的数据集、开源实现的表示学习模型和强大的图深度学习库供研究者参考调用;最后,对网络表示学习的发展趋势进行了总结与展望。未来可在深层的图神经网络学习、动态和异构网络的表示、网络模型的泛化能力等方面继续开展研究。     

基于DenseNet的图像识别方法研究

在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果。针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型。之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间。     

语义网络求精方法研究

提出语义网络中冗余链接的概念,讨论语义网络求精的意义,提出利用闭包进行语义网络求精的思想并给出具体的算法.     

基于贝叶斯网络的客户流失分析

随着电信市场竞争加剧,客户流失现象成为电信运营商关注的问题。文中基于数据挖掘手段,采用贝叶斯网络分类器,进行电信客户流失分析。在贝叶斯网络构造过程中,结合采用K2和MC-MC算法构建网络。根据贝叶斯网络的拓扑结构,筛选出客户流失相关的显著指标;由条件概率表确定客户的流失规则,进而确定高流失的客户群。考虑分类的误判损失函数,给出不同分类临界值下,贝叶斯网络模型的分类效果。与其它分类算法相比,比如决策树和人工神经网络,在客户流失率很低的情况下,该算法不需要进行“过量抽样”。     

一种基于人工神经网络的内模控制方法

对SISO反馈线性化系统的自适应自校正神经控制进行改造,提出了一种基于BP网络的内模控制新方法,克服了原系统设计方案的理想化,提高了系统的鲁棒性,使该方法具有实用性。同时有只要建立被控过程的内部模型即可得到内模控制器模型的特点。     

基于半定性贝叶斯网络的建模方法研究

在定性贝叶斯网络的基础上,提出一种既包含定性符号信息,又包含概率分布定量信息的半定性贝叶斯网络,用以集成多个专家的知识和经验,通过一个与专家反复交互的过程,构建出相关问题领域的稳定的贝叶斯网络模型。提出利用区间数来统一表达多个专家的定性或定量的判断意见,给出了在半定性贝叶斯网络中进行概率推理的区间数传播算法,并通过算例验证其有效性。     

一种新的Ad Hoc网络拥塞定量检测方法

Ad Hoc网络是一种自行组织的无线网络,网络中各节点不仅可以作为无线终端,而且可以作为路由器,为其他节点转发数据.因此,某些节点成为多个数据流的交汇点,从而在这些节点处形成拥塞.拥塞会造成Ad Hoc网络的丢包率增大,时延增大,开销增加和吞吐量降低.拥塞检测是拥塞处理的先决条件.提出了一种新的Ad Hoc网络拥塞定量检测方法--拥塞趋势度方法.通过节点缓冲区达到完全满载的速度来测量节点的拥塞程度和变化趋势;与其他拥塞检测方法进行仿真比较分析,结果显示提出的定量检测方法比其他的方法更能准确的测量出当前拥塞程度,而且可以体现出拥塞的变化趋势,为进一步进行拥塞处理提供准确的信息.     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。     

长相关业务量平均排队延迟的神经网络估计方法

从学者研究自然结构和科学数据的自相似性和分形性质,如网络流量数据等中,引入了一种估计多源排队系统中平均排队延迟的新方法。应用神经网络建模方法对自相似业务量进行预测并测定到达率和丢包率,以适应自相似流量模式的排队系统。     

基于PSPICE建模仿真方法研究传输线网络时域响应

为研究注入式电磁脉冲对端接负载的传输线网络的耦合规律,以典型的环形网络和树形网络为研究对象,基于PSPICE建模仿真方法,研究方波脉冲在传输线网络中的时域响应. 对端接电阻负载的同轴线网络瞬态响应的实验结果、BLT方程求解结果、PSPICE仿真结果进行了对比分析,表明了PSPICE方法与BLT方程求解结果及实验结果具有很好的一致性. 针对BLT方程方法在求解电容、电感负载及非线性负载上存在计算复杂、较难求解的问题,利用PSPICE建模仿真方法对端接电容负载的环形同轴线网络、端接瞬态抑制二极管的树形同轴线网络和多芯线缆网络的方波脉冲瞬态响应进行了仿真,与实验结果具有较好的一致性. 这些结果验证了PSPICE建模仿真方法在解决电磁脉冲对端接线性、频变及非线性负载的传输线网络时域响应的有效性.      

基于忆阻器的固定时间混沌通信方法

混沌信号具有隐蔽性、不可预测性和高度复杂等特点，特别适用于保密通信和扩频通信等领域。为有效解决有限时间同步控制过度依赖初始条件的问题，基于固定时间稳定性理论，通过设计状态反馈控制器给出了忆阻神经网络实现固定时间同步的充分条件，并对停息时间进行了精确估计。在此基础上，以驱动混沌忆阻神经网络为发射器，以具有不同初值的响应系统为接收器，采用混沌遮掩的方式实施信号加载，实现在固定时间内恢复加密信号，确保保密通信的安全性和时效性。     

基于离散时间贝叶斯网络的动态故障树分析方法

提出了一种基于离散时间贝叶斯网络的动态故障树分析方法．首先给出优先与门、顺序相关门、备件门、功能相关门等动态逻辑门向离散时间贝叶斯网络的转化方法，在得到动态故障树对应的离散时间贝叶斯网络之后，再利用贝叶斯网络推理算法计算、诊断和预计顶事件概率、重要度等常规分析结果．对数字飞控计算机系统进行的分析表明，该方法能够保证较高的求解精度，其相对误差均保持在0．4%以内，而且易于扩展到多态和非确定性逻辑关系的情形．     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法的有效性。