前言:本站為你精心整理了流量預估與反饋的網絡通信協議優化范文,希望能為你的創作提供參考價值,我們的客服老師可以幫助你提供個性化的參考范文,歡迎咨詢。
流量數據異常的有效反饋機制
使用二次優化訓練集可以增強網絡流量異常分類的有效性,其可以獲取處于分類邊緣的數據節點集。數據節點集包括有效流量異常和無效流量異常節點。有效流量異常節點可以按照一定的規律劃分到某種類別中。無效的流量異常節點無法按照一定的規律進行分類。無效流量異常節點向量集H與有效流量異常節點向量集L的關系為H塏L。利用增量學習方法對有效流量異常節點進行分析,可以完成對網絡流量異常的分類。而反饋學習可以同時對有效流量異常節點以及無效流量異常節點進行分類,排除了誤分類的不利影響,得到新的流量異常分類模型△''''和流量異常向量集H''''。
流量邊界異常的判斷判斷流量邊界異常算法的過程為:先設置網絡流量異常判斷函數,再依據網絡流量異常錄屬度大小對網絡流量異常進行分類。依據網絡流量異常特征與類特征中心間的距離大小作為分類的標準,可以評判網絡流量異常對分類的作用大小。對流量異常種類進行劃分,分析相應的種類分布情況,發現其具有特殊性,與正常的流量異常種類分類方法不同,并且完成了對無效流量異常節點進行種類劃分。通過上述方法獲取的流量異常集E可以作為反饋的數據源,同時要求反饋網絡流量異常集和原模型的正常網絡流量異常集同時參加相應的運算。大量的網絡流量異常會參與到正常的網絡流量異常的分類過程中,少量的流量異常停滯在流量異常集Z中,不能參與分類,最終會降低能量異常模型分類的有效率。因而,對網絡流量異常進行反饋學習時,預先要分析該反饋網絡流量異常情況,確保模型的有效性。
流量異常的反饋完成對流量異常的分類和優化后,構建路徑擁塞反饋體系,具體描述如下:進行數據傳輸時,可以使用反饋路徑的信息反映路徑當前的流通狀態。路徑的通暢度用描述,數據運行時間標準用p描述,數據的運行耗時用q描述。v取值大于0。若數據運行未在既定的時間內完成,則路徑的通暢程度v=1,即路徑堵塞,此時需要選擇其它路徑。假設數據運行在既定的時間內完成,則按照三種狀態進行分析:(1)若p=q,則路徑在既定時間內完成數據的傳輸,說明路徑的通暢度普通;(2)若q<p,則路徑在既定的時間內,提前完成數據的傳輸,說明路徑的通暢度特別好;(3)若q>p,則路徑未在既定的時間內完成數據的傳輸,即v<1,說明路徑的通暢度不理想。若p為常數,則隨著q的取值不斷增大,的取值不斷減少。式中,U表示懲罰系數,一般取值為-1.4。構建路徑擁塞反饋體系,可以解決由于傳輸路徑阻塞不能及時傳輸數據的缺陷,且網絡中的后續數據可以選擇上次最優傳輸路徑,最終增強了網絡數據傳輸的效率。按照以上分析的方法,先依據路徑相關參數,得到最短路徑,在對最短路徑進行優化處理,得到路徑中的實時信息,進而,改進最優路徑,構建路徑擁塞反饋體系。數據在進行傳輸時,如果出現路徑不順暢情況,則及時將信號反饋到原始位置,確保后續數據選擇最佳路徑,進而提高獲取最優路徑的幾率,增強網絡數據傳遞效率。
實驗結果及對比
為了對本文提出模型的效果進行擬合和檢驗,進行計算機仿真實驗。實驗的步驟如下:
數據平穩化處理初始網絡流量數據具有隨機性,是波動序列。本文使用取方差分析方法對初始流量數據進行穩定化操作。
網絡流量的預測選取50個固定節點場景,分別使用本文提出的基于流量預估與反饋方法與傳統的AODV方法對節點數據進行傳遞,獲取的相關性能參數結果用圖4描述。其中,50個路由節點隨機分布在6000m×6000m區域內。使用指數分布方法劃分傳遞分組的大小,其中最小分組大小是1164bit。節點形成的分組時間間隔滿足指數分布,最小時間間隔是2s,在仿真開始60s后,節點開始進行分組。本文方法下的網絡延時明顯降低,吞吐率明顯升高,丟包率降低了,采用本文方法的網絡傳輸的可靠性得到提高。本文提出了一種基于流量預估與反饋的網絡通信協議優化研究,通過對當前通信協議中,加入對流量預估與阻塞反饋機制,反饋網絡中的流量異常變化,利用流量驅動進行調節,完成對網絡通信協議優化。后期的計算機仿真實驗表明,該方法在網絡信息通信的各項指標都取得了較好的效果,應用性較強,隨著網絡技術的不斷發展,本文的方法將顯示出更為重要的實際意義。
作者:張世民單位:淄博職業學院