一种链路丢包门限动态变化的网络拓扑推测算法

目前端到端逻辑拓扑推测方法主要有极大似然方法和分群方法。极大似然方法的计算量会随网络规模的 增加而急剧增长,从而影响在实际网络中的应用。采用计算量较小的分群推测方法,针对GLT算法中采用固定丢 包率判决门限,所导致的较大推测误差,提出了改进的任意拓扑推测算法GLT。该算法利用每次迭代过程中得 到的链路丢包率的估计值对,进行动态调整。仿真结果表明,GLT算法将ξ与链路丢包率估计值相结合,有效地 防止了采用GLT算法导致的拓扑推测准确率的严重恶化,提高了算法性能。     

基于TCP被动测量的单播网络丢包层析

在大规模网络中,网络层析通过端到端测量推测网络内部性能,能有效减少网络内部设备之间的协作,因此被广泛应用于网络性能诊断。大多数网络丢包层析都采用主动发送探针的方法,无法准确反映实际网络的性能。为了避免上述局限性,介绍了一种基于TCP监测的被动测量网络丢包层析方法,通过端到端TCP数据流的采样,采用非因果条件概率构造似然函数,并通过EM算法求解最大似然估计推测网络内部丢包率。理论分析表明该方法具有一定的可行性。     

基于TCP被动测量的单播网络丢包层析

在大规模网络中,网络层析通过端到端测量推测网络内部性能,能有效减少网络内部设备之间的协作,因 此被广泛应用于网络性能诊断。大多数网络丢包层析都采用主动发送探针的方法,无法准确反映实际网络的性 能。为了避免上述局限性,介绍了一种基于TCP监测的被动测量网络丢包层析方法,通过端到端TCP数据流的采 样,采用非因果条件概率构造似然函数,并通过EM 算法求解最大似然估计推测网络内部丢包率。理论分析表明 该方法具有一定的可行性。     

多发送端拓扑结构中网络链路延迟推断方法

为检测多发送端拓扑结构中网络内部延迟情况,在充分利用路径延迟数据的基础上,提出一种简单易行的网络链路延迟分布推断方法。在满足网络平稳性、网络链路延迟的时间独立性和空间独立性的假设下,将复杂的多发送端拓扑结构的网络分解成多个简单的单发送端拓扑结构的分解单元,采用最大似然估计法并按照分解单元所含链路个数的升序推断各分解单元中的网络链路延迟分布,使得分解单元中的数据流共享链路延迟分布的真实值和估计值之间的差异逐渐减小。研究结果表明:采用该方法能有效推断出复杂的多发送端拓扑结构中网络链路延迟分布情况,与最小方差权值平均方法相比,具有较高的精度。     

基于端到端测量的链路状态概率快速推断方法

链路状态的概率分布作为先验知识对于推断链路性能状态的准确度起着重要作用.文中主要研究了在树形拓扑下基于端到端测量的内部链路状态概率推断问题,并将该问题定义为极大似然估计问题.采用乘积模型描述路径与链路的状态概率之间的关系,将链路状态概率的推断归结为路径状态概率的估计,提出了一种通过计算路径状态概率进而获得链路状态概率的方法,并将该方法用于仿真实验.结果表明,该方法具有较高的有效性和实用价值,能够准确有效地推断网络内部链路状态概率.     

基于拥塞避免的卫星网络路由算法

提出一种基于低轨道和静止轨道星座的双层网络新路由算法, 利用低轨道卫星及其星间链路构成的网状拓扑对星上路由进行计算, 并通过拥塞避免和数据包分类机制进行优化, 解决了卫星网络中由于业务流量大而导致的网络拥塞问题. 仿真结果表明, 该方法降低了网络平均端到端的时延和平均丢包率, 从而提高了网络性能.     

基于改进的“三明治”时延差探测方法的网络拓扑推测算法研究

在目前网络拓扑推测过程中"三明治"探测方法采用时延作为度量函数,在拓扑推测准确性和网络性能影响方面取得了很好的折衷,而且解决了时钟同步问题.但是由于"三明治"探测方法对网络的影响由其中的大包的流量所决定,发送过多的大包对网络流量影响较大.对"三明治"探测方法进行了改进,用背靠背的小包代替"三明治"探测包中的小包,共享其中的大包,从而可得到2倍于"三明治"探测方法测量所得到的信息量,达到了减少大包发送量的目的.基于分组方法的拓扑推测算法根据共享路径上度量函数非递减性和相关性进行拓扑推测,计算复杂度比最大似然估计算法小.采用基于分组的方法根据端到端测得的时延差进行拓扑推测.仿真结果表明,在重负载和轻负载2种情况下,探测方法改进后拓扑推测准确率都得到了提高.     

基于补偿因子自适应的NLMS多媒体播放算法

基于线性预测的媒体播放算法由于其复杂度低、易实现，在网络多媒体应用中大量使用，其中采用最小均方差估计的NLMS算法精确度较高．首先对NLMS算法和改进的NLMS算法进行了分析，针对算法中补偿因子因网络抖动剧烈而导致补偿过大的问题，提出了β因子自适应的NLMS算法，采用补偿因子系数p随网络变化以及预测误差情况自适应调整的方法，对NLMS算法作了进一步改进，明显地减小了端到端延迟均值和丢包率．试验结果验证了算法改进的有效性。     

基于链路内在相关性的IP网络拥塞链路丢包率推断算法

为解决网络链路丢包率推理算法中网络拓扑复杂、链路丢包率分析不准确等问题,已有研究采用假设子链路或通过率较高的路径中的链路作为不丢包链路,或者假设共享数目最多的链路为丢包链路,但是这种假设缺少有效的推理和证明。为解决此问题,提出了基于链路内在相关性的IP网络拥塞链路丢包率推断算法。该算法首先基于链路内联关系将网络模型化简并划分为多个独立子集;其次,对每个独立子集建立基于贝叶斯网络的链路拥塞推理模型,并基于每条链路的拥塞贡献率推理链路拥塞概率排序集合;最后,对每个独立子集,基于代数模型推理求解化简后的非奇异矩阵的唯一解,从而得到所有拥塞链路的丢包率。通过与算法LABLA和算法NTSPA比较可知,该算法具有较好的拥塞链路推理效果。     

基于内部监测器的链路丢包率的推测方法

为了能简单准确地估计网络内部链路的丢包率,该文利用网络层析技术提出了一种低复杂度的推测方法LCIA(low complexity inference approach)。LCIA方法通过在网络内部节点部署监测器来减小推测丢包率的复杂度。它主要由两步组成,第一步是在网络内部部署监测器把整棵树分成较小深度的若干棵子树。第二步是估计每棵子树的链路丢包率,用到的估计式是叶子节点观测结果的显式表达式来估计丢包率。定性的分析和实验仿真结果表明LCIA在计算复杂度和估计结果的精确度上,都优于已有的方法。     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．     

(a,b)类分布的统计性质

通过用Bayes方法对(a,b)类分布进行分析,研究相关方差与期望的关系,并给出a与b的矩估计和极大似然估计(MLE).在极大似然估计基础上,利用Lindley逼近引理,给出(a,b,0)类的Bayes估计,并运用MATLAB进行相关模拟.模拟结果表明,对于(a,b,0)类分布的估计,若样本数量较大,则选择Bayes估计更好;反之,选择矩估计更好.     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。     

基于最大似然估计和Kalman滤波的BPSK载波同步方法

针对低信噪比及大多普勒频率变化率情况下的载波同步问题,提出一种基于最大似然估计和Kalman滤波相结合的跟踪环结构.利用最大似然估计在低信噪比环境下准确估计载波频率和相位,并结合Kalman滤波对载波变化进行稳定跟踪.其中利用二分法搜索保证低计算复杂度的同时提高了估计精度.仿真结果表明了此载波跟踪环路良好的跟踪性能.     

A novel domain-based method for predicting the functional classes of proteins

Prediction of protein functions from known genomic sequences is an important mission of bioinformatics. One approach is to classify proteins into functional categories. We have therefore developed a method based on protein domain composition and the maximum likelihood estimation (MLE) algorithm to classify proteins according to functions. Using the Saccharomyces cerevisiae genome, we compared the effectiveness of the MLE approach with that of an intuitive and simple method. The MLE method outperformed the simple method, achieving an estimated specificity of 75.45 % and an estimated sensitivity of 40.26 %. These results indicate that domain is an important feature of proteins and is closely related to protein function.     

基于测距的地面网络化弹药节点自定位算法

分析了极大似然估计算法中测距误差对定位误差的影响,提出了基于LMS（最小均方差）的自适应滤波原理的测距误差修正的自定位算法. 利用极大似然估计法初步估计节点位置,并得到定位误差信息,建立测距误差矩阵并更新网络中的滤波参数,完成对网络中测距误差的抑制,从而优化节点定信息. 实验仿真表明,优化处理使定位精度得到提高. 结果表明算法适用于锚节点密度较小的、低信噪比的网络化弹药系统.     

目标定位最大似然估计

提出一种近似的最大似然估计方法,用于基于测量波达角进行目标定位.通过引入一中间量,即和波达角估计相关的非线性方程可以转换成一组未知参数的线性方程.这就是近似的最大似然估计.实验仿真表明,提出的算法具有明显的优点：误差小,鲁棒性好.     

截尾泊松分布参数MLE的渐近有效性

进一步研究了截尾泊松分布参数MLE的大样本性质,证明该估计具有渐近有效性.     

Suboptimal Auditory Dominance in Audiovisual Integration of Temporal Cues

The present study examined whether audiovisual integration of temporal stimulus features in humans can be predicted by the maximum likelihood estimation(MLE) model which is based on the weighting of unisensory cues by their relative reliabilities.In an audiovisual temporal order judgment paradigm,the reliability of the auditory signal was manipulated by Gaussian volume envelopes,introducing varying degrees of temporal uncertainty.While statistically optimal weighting according to the MLE rule was found in half of the participants,the other half consistently overweighted the auditory signal.The results are discussed in terms of a general auditory bias in time perception,interindividual differences,as well as in terms of the conditions and limits of statistically optimal multisensory integration.