前言：本站為你精心整理了流量預(yù)估與反饋的網(wǎng)絡(luò)通信協(xié)議優(yōu)化范文，希望能為你的創(chuàng)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(shù)據(jù)異常的有效反饋機制

使用二次優(yōu)化訓(xùn)練集可以增強網(wǎng)絡(luò)流量異常分類的有效性，其可以獲取處于分類邊緣的數(shù)據(jù)節(jié)點集。數(shù)據(jù)節(jié)點集包括有效流量異常和無效流量異常節(jié)點。有效流量異常節(jié)點可以按照一定的規(guī)律劃分到某種類別中。無效的流量異常節(jié)點無法按照一定的規(guī)律進行分類。無效流量異常節(jié)點向量集H與有效流量異常節(jié)點向量集L的關(guān)系為H塏L。利用增量學(xué)習(xí)方法對有效流量異常節(jié)點進行分析，可以完成對網(wǎng)絡(luò)流量異常的分類。而反饋學(xué)習(xí)可以同時對有效流量異常節(jié)點以及無效流量異常節(jié)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(shè)置網(wǎng)絡(luò)流量異常判斷函數(shù)，再依據(jù)網(wǎng)絡(luò)流量異常錄屬度大小對網(wǎng)絡(luò)流量異常進行分類。依據(jù)網(wǎng)絡(luò)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(wǎng)絡(luò)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(yīng)的種類分布情況，發(fā)現(xiàn)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(jié)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(shù)據(jù)源，同時要求反饋網(wǎng)絡(luò)流量異常集和原模型的正常網(wǎng)絡(luò)流量異常集同時參加相應(yīng)的運算。大量的網(wǎng)絡(luò)流量異常會參與到正常的網(wǎng)絡(luò)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(wǎng)絡(luò)流量異常進行反饋學(xué)習(xí)時，預(yù)先要分析該反饋網(wǎng)絡(luò)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(yōu)化后，構(gòu)建路徑擁塞反饋體系，具體描述如下：進行數(shù)據(jù)傳輸時，可以使用反饋路徑的信息反映路徑當(dāng)前的流通狀態(tài)。路徑的通暢度用描述，數(shù)據(jù)運行時間標準用p描述，數(shù)據(jù)的運行耗時用q描述。v取值大于0。若數(shù)據(jù)運行未在既定的時間內(nèi)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(shè)數(shù)據(jù)運行在既定的時間內(nèi)完成，則按照三種狀態(tài)進行分析：（1）若p=q，則路徑在既定時間內(nèi)完成數(shù)據(jù)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(nèi)，提前完成數(shù)據(jù)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(nèi)完成數(shù)據(jù)的傳輸，即v＜1，說明路徑的通暢度不理想。若p為常數(shù)，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(shù)，一般取值為-1.4。構(gòu)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(shù)據(jù)的缺陷，且網(wǎng)絡(luò)中的后續(xù)數(shù)據(jù)可以選擇上次最優(yōu)傳輸路徑，最終增強了網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)男省０凑找陨戏治龅姆椒ǎ纫罁?jù)路徑相關(guān)參數(shù)，得到最短路徑，在對最短路徑進行優(yōu)化處理，得到路徑中的實時信息，進而，改進最優(yōu)路徑，構(gòu)建路徑擁塞反饋體系。數(shù)據(jù)在進行傳輸時，如果出現(xiàn)路徑不順暢情況，則及時將信號反饋到原始位置，確保后續(xù)數(shù)據(jù)選擇最佳路徑，進而提高獲取最優(yōu)路徑的幾率，增強網(wǎng)絡(luò)數(shù)據(jù)傳遞效率。

實驗結(jié)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(shù)據(jù)平穩(wěn)化處理初始網(wǎng)絡(luò)流量數(shù)據(jù)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(shù)據(jù)進行穩(wěn)定化操作。

網(wǎng)絡(luò)流量的預(yù)測選取50個固定節(jié)點場景，分別使用本文提出的基于流量預(yù)估與反饋方法與傳統(tǒng)的AODV方法對節(jié)點數(shù)據(jù)進行傳遞，獲取的相關(guān)性能參數(shù)結(jié)果用圖4描述。其中，50個路由節(jié)點隨機分布在6000m×6000m區(qū)域內(nèi)。使用指數(shù)分布方法劃分傳遞分組的大小，其中最小分組大小是1164bit。節(jié)點形成的分組時間間隔滿足指數(shù)分布，最小時間間隔是2s，在仿真開始60s后，節(jié)點開始進行分組。本文方法下的網(wǎng)絡(luò)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(wǎng)絡(luò)傳輸?shù)目煽啃缘玫教岣摺１疚奶岢隽艘环N基于流量預(yù)估與反饋的網(wǎng)絡(luò)通信協(xié)議優(yōu)化研究，通過對當(dāng)前通信協(xié)議中，加入對流量預(yù)估與阻塞反饋機制，反饋網(wǎng)絡(luò)中的流量異常變化，利用流量驅(qū)動進行調(diào)節(jié)，完成對網(wǎng)絡(luò)通信協(xié)議優(yōu)化。后期的計算機仿真實驗表明，該方法在網(wǎng)絡(luò)信息通信的各項指標都取得了較好的效果，應(yīng)用性較強，隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)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(yè)學(xué)院