基于机器学习和深度学习的网络流量分类研究

随着互联网技术的不断发展以及网络规模的不断扩大,应用的类别纷繁复杂,新型应用层出不穷。为了保障用户服务质量(QoS)并确保网络安全,准确快速的流量分类是运营商及网络管理者亟须解决的问题。首先给出网络流量分类的问题定义和性能指标;然后分别介绍基于机器学习和基于深度学习的流量分类方法,分析了这些方法的优缺点,并对现存问题进行阐述;接着围绕流量分类线上部署时会遇到的3个问题:数据集问题、新应用识别问题、部署开销问题对相关工作进行阐述与分析,并进一步探讨目前网络流量分类研究面临的挑战;最后对网络流量分类下一步的研究方向进行展望。     

线性可分问题的支撑向量稳健感知器及其几何训练算法

分类器的稳健性能是分类器的重要性质之一。支撑向量机SVM和稳健感知器得到的都是最优分类面，都具有很强的稳健性能。SVM构造的是到所有支撑向量(距分类面最近的样本)等距离的最优分类面，SVM算法需要求解一个二次型寻优问题；而稳健感知器构造的是到所有基(各模式类的边界样本)距离都较远的最优分类面，稳健感知器需要求解一系列的线性规划。文章在二者的基础上提出了适用于线性可分问题的支撑向量稳健感知器及其几何训练算法．它将问题转化成了一系列的线性方程组，它将比SVM的二次型寻优具有更快的速度。实验仿真表明了该算法的高效性。     

大规模MIMO系统中基于用户分类的动态导频分配

针对大规模MIMO系统导频污染问题,提出一种基于用户分类的动态导频分配策略.根据目标小区用户信号强度的方差设置合理的用户信号强度临界值,将目标小区用户分为中心用户和边缘用户.中心用户采用最大载干比算法分配导频,以最大化中心用户总信道容量.边缘用户采用贪婪算法分配导频,以提高每个边缘用户的信干噪比.仿真结果表明,所提策略在提高边缘用户信干噪比的同时能够有效提高系统的信道容量.     

基于遥感影像中电磁特性的地物提取方法

电磁特性数据是电子信息装备内场仿真试验不可或缺的数据资源,为了克服传统电子信息装备仿真试验中的电磁特性数据获取方法的不足,提出了从遥感影像中大批量获取大区域范围的电磁特性数据的新方法.首先依据不同地物的电磁特性规律对某一地域的地物进行了分类,从多尺度分割概念和基于异质性最小的区域合并算法两个方面.深入研究了针对地物分类的面向对象多尺度分割算法,并结合实践对算法进行了应用.由于遥感影像的真实性.保证了电磁特性数据提取的准确性与可靠性,实践证明此研究为大批量获取电磁特性数据提供了一种有效的方法和思路.     

基于统计的高效决策树分组分类算法

基于决策树的分组分类算法因易于实现和高效性,在快速分组分类中广泛使用。决策树算法的基本目标是构造一棵存储高效且查找时间复杂度低的决策树。设计了一种基于规则集统计特性和评价指标的决策树算法——HyperEC 算法。HyperEC算法避免了在构建决策树过程中决策树高度过高和存储空间膨胀的问题。HyperEC算法对IP地址长度不敏感,同样适用于IPv6的多维分组分类。实验证明,HyperEC算法当规则数量较少时,与HyperCuts基本相同,但随着规则数量的增加,该算法在决策树高度、存储空间占用和查找性能方面都明显优于经典的决策树算法。     

快速流分类算法的研究

基于流的流量测量是网络测量的重要内容。对多种IP流分类算法及可能应用于万兆网环境的算法进行了分析和比较,提出了快速流分类算法需要解决的问题及发展思路。     

基于数据挖掘的电力行业客户细分模型分析

社会经济的不断发展推动了电力行业的快速发展。随着客户细分理论与方法的发展,其已广泛应用于我国电力、电信、银行及零售业等行业的营销实践中。由于客户行为能有效、直接地反映出消费者的需求,在经济市场中的应用更为广泛,是市场细分中的最佳起点。主要以客户细分的概述为出发点,对电力客户细分现状、基于数据挖掘的客户细分及模型构建进行探讨。     

2.5Gb/s光外调制器及驱动器

文章对光外调制作了原理及实验上的分析,着重研究作为驱动器的大功率宽带放大器。对２．５Ｇｂ／ｓＮＲＺ伪随机码对放大器的低端截止频率和高端截止频率的要求进行了理论分析。提出并实验了几种放大器高频补偿技术,取得了好的效果。为满足输入输出阻抗为５０Ω的要求采用了共面波导计算方法,以确定印刷电路板导线尺寸。最后对光外调制器输出波形进行了测试。     

基于雷达应用的多通道波形产生设计

本文介绍了一种应用于雷达系统的16通道波形产生器。该波形产生器可以产生线性调频、非线性调频和相位编码三种信号,而且时宽、带宽以及其它参数通过光纤可调,大大减少了电路的输入接口,而且通过光纤配置可灵活远端控制。     

Novel angle estimation for bistatic MIMO radar using an improved MUSIC

In this article, we study the problem of angle estimation for bistatic multiple-input multiple-output (MIMO) radar and propose an improved multiple signal classification (MUSIC) algorithm for joint direction of departure (DOD) and direction of arrival (DOA) estimation. The proposed algorithm obtains initial estimations of angles obtained from the signal subspace and uses the local one-dimensional peak searches to achieve the joint estimations of DOD and DOA. The angle estimation performance of the proposed algorithm is better than that of estimation of signal parameters via rotational invariance techniques (ESPRIT) algorithm, and is almost the same as that of two-dimensional MUSIC. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired DOD and DOA estimations, and avoid two-dimensional peak searching. The simulation results verify the effectiveness and improvement of the algorithm.