遗传算法优化支持向量机的交通流量预测

交通流量预测是智能交通系统中的关键技术,针对当前交通流量预测模型存在不足,提出一种遗传算法优化支持向量机的交通流量预测模型。首先收集交通流量历史数据,并基于混沌理想对其进行相空间重构,然后将训练样本输入到支持向量机中进行学习,并采用遗传算法优化支持向量机参数,建立交通流量预测模型,最后采用测试样本对模型的性能进行测试。结果表明,相对于经典交通流量预测模型,本文模型可以更加准确描述交通流量预测复杂的变化趋势,提高了交通流量的单步和多步预测精度。     

复杂场景下结合SIFT与核稀疏表示的交通目标分类识别

针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测目标在字典中的稀疏度与重构误差对交通目标类别进行判定.同时,分析了随机投影下的核稀疏表示分类与特征维数之间的关系.实验结果表明,与SVM、稀疏表示分类(SRC)相比,该方法增强了交通目标特征层的类判别能力,具有较好的识别率和鲁棒性.     

基于无线传感技术的光传输设备的设计

提出了基于无线传感技术的光传输设备的应用,解决了传统的低速业务在有线光传输领域中的缺陷,重点阐述了光传输设备的硬件系统、无线传感器模块、通信协议和软件系统等模块的设计与实现。     

EPON中一种新型的ONU休眠节能机制研究

为实现以太网无源光网络(EPON)的能源节省,提出了一种新型的基于双向业务流量的光网络单元休眠节能的控制机制。该机制通过扩展多点控制协议,并根据业务汇聚到缓存的容量来进行ONU休眠节能的时隙安排。仿真结果表明,该机制在实现绿色节能的同时可有效保证EPON网络的性能。     

数码单反相机拍摄视频的音频解决方案

使用数码单反相机拍摄视频逐渐成为一种流行趋势,但通常拍摄出的视频录音质量较差,这是由单反相机本身在音频方面的设计缺陷造成的。旨在推荐几种能够提高单反相机录音质量的方法,希望为相关领域从业人员提供参考。     

基于包容性检验和神经网络的网络流量预测模型

网络流量具有高度复杂的非线性特征,采用单一预测模型往往难以达到理想的预测效果,为此,提出一种包容性检验和BP神经网络相融合的网络流量预测模型（ET-BPNN）。首先采用多个单一模型对网络流量进行预测,然后通过包容性检验,根据t统计量检验选择最合适的基本模型,最后采用BP神经网络对基本模型预测结果进行组合得到最终预测结果。实验结果表明,相对于单一模型以及传统组合模型,ET-BPNN更加准确刻画了网络流量变化趋势,各项评价指标均达到更优,为实现网络流量准确预测提供了更为科学的方法。     

一种新的基于LRU的大流检测算法

针对LRU(Least Recently Used)算法大流漏检率过高的问题,提出了一种采用CBF(Counting Bloom Filter)和LRU两级结构的大流检测算法。该算法根据大流占用带宽较大、持续时间较长的特点在CBF中引入时间窗口机制来滤出可能的大流,然后将流信息记录在LRU中作进一步筛选。从理论上分析了影响该算法性能的因素,考虑了在存储资源一定的条件下,如何设置参数以发挥该算法最大效能的问题。最后基于实际的互联网数据进行了对比验证。结果表明,与同类算法相比,该算法在有效降低大流漏检率的同时,提高了大流流量的测量精度。     

基于应用层签名的P2P流量识别与控制

针对网络中P2P流量难以识别和控制的问题,在对P2P流量识别技术进行研究对比后,提出了一种基于应用层签名的P2P流量识别和控制的方法。分析并提取了风行、爱奇艺、优酷3种主流P2P流媒体及一些常用P2P应用软件的应用层签名,并通过实验验证了基于应用层签名的P2P流量识别方法对流量识别的高精确性以及对流量控制的有效性。     

用于平衡探测器的5Gb/s前置放大器设计

相干光通信的平衡探测器采用双端差分结构,能够有效地提高光通信灵敏度。前置放大器作为光接收器的前端,其性能高低直接影响到整个光接收系统的工作性能,是光接收器的重要组成部分。文章采用SMIC 0.13μm CMOS工艺,实现了一种应用于5Gb/s平衡探测器的接收机前置放大器。前置放大器采用具有低输入阻抗特点的RGC结构作输入级,同时输出级采用两级结构,在保证带宽的前提下能够提供足够大的电流驱动50Ω负载。仿真结果表明,该前置放大器带宽能达到要求的5.12GHz,灵敏度达到-18.4dBm,眼图张开度良好,能够满足系统对噪声抑制的要求。     

A reconstructing approach to end‐to‐end network traffic based on multifractal wavelet model

This paper studies the reconstructing method of end‐to‐end network traffic. Due to the development of current communication networks, our networks become more complex and heterogeneous. Meanwhile, because of time‐varying nature and spatio‐temporal correlations of the end‐to‐end network traffic, to obtain it accurately is a great challenge. We propose to exploit discrete wavelet transforms and multifractal analysis to reconstruct the end‐to‐end network traffic from time–frequency domain. First, its time–frequency properties can be characterized in detail by discrete wavelet transforms. And then, we combine discrete wavelet transforms and multifractal analysis to reconstruct end‐to‐end network traffic from link loads. Furthermore, our method needs to measure end‐to‐end network traffic to build the statistical model named multifractal wavelet model. Finally, simulation results from the real backbone networks suggest that our method can reconstruct the end‐to‐end network traffic more accurately than previous methods. Copyright © 2013 John Wiley & Sons, Ltd.