广州市科技计划项目(2010Z1-D00061)
- 作品数：4 被引量：13H指数：2
- 相关作者：程良伦王涛路璐周乔皇吴晓燕更多>>
- 相关机构：广东工业大学四川文理学院更多>>
- 发文基金：广州市科技计划项目广东省重大科技专项广东省高校优秀青年创新人才培养计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于能量预测的双簇首路由控制算法被引量：1
- 2013年
- 在深入研究经典网络路由算法LEACH的基础上,提出了一种基于能量预测的双簇首(DCHBEF)路由控制算法。该算法利用改进的阈值产生式与节点剩余能量相关性并设计主、次簇首的选举和工作机制,解决了LEACH和SAHRC协议中的盲目分簇和簇内单簇首通信方式缺陷。仿真结果表明:DCHBEF算法比原有的LEACH和SAHRC算法有较好的节能性,并提高全网通信效率。
- 周乔皇程良伦
- 关键词：无线传感器网络
- 无线Mesh网络基于隐半马尔可夫模型的跨层结合异常检测方法
- 2012年
- 目前无线Mesh网络异常检测的方法大多针对单一恶意攻击,还不具备检测来自不同协议层的恶意攻击的综合能力。提出一种基于多协议层跨层结合的异常检测方法,即采集多协议层结合的特征对网络运行状态进行全方位监测,并训练隐半马尔可夫模型对网络正常运行状态进行描述,通过计算多维观测序列相对于隐半马尔可夫模型的熵来评价其"正常性",从而发现源自不同协议层的恶意攻击行为。实验仿真证明,该方法能有效检测源自各协议层的多种恶意攻击,具有一定的通用性。
- 王涛吴晓燕程良伦
- 关键词：无线MESH网络隐半马尔可夫模型异常检测
- 基于快速SVM的大规模网络流量分类方法被引量：5
- 2012年
- 支持向量机方法具有良好的分类准确率、稳定性与泛化性,在网络流量分类领域已有初步应用,但在面对大规模网络流量分类问题时却存在计算复杂度高、分类器训练速度慢的缺陷。为此,提出一种基于比特压缩的快速SVM方法,利用比特压缩算法对初始训练样本集进行聚合与压缩,建立具有权重信息的新样本集,在损失尽量少原始样本信息的前提下缩减样本集规模,进一步利用基于权重的SVM算法训练流量分类器。通过大规模样本集流量分类实验对比,快速SVM方法能在损失较少分类准确率的情况下,较大程度地缩减流量分类器的训练时间以及未知样本的预测时间,同时,在无过度压缩前提下,其分类准确率优于同等压缩比例下的随机取样SVM方法。本方法在保留SVM方法较好分类稳定性与泛化性能的同时,有效提升了其应对大规模流量分类问题的能力。
- 王涛程良伦
- 关键词：支持向量机分类器分类准确率
- 改进布谷鸟搜索算法优化SVM的网络流量预测模型被引量：7
- 2015年
- 网络流量建模预测是网络管理和安全预警的基础。为了提高网络流量的预测精度,提出一种改进布谷鸟搜索算法优化支持向量机的网络流量预测模型(MCS-SVM)。首先将一维网络流量时间序列重构成多维时间序列;然后将支持向量机参数看作一个鸟巢位置,通过模拟布谷种群寄生繁衍机制找到最优参数;最后根据最优参数建立网络流量预测模型,并通过仿真实验对MCSSVM的性能进行测试。仿真结果表明,相对于参比模型,MCS-SVM提高了网络流量的预测精度,更加准确地刻画了网络流量复杂变化趋势,为具有混沌性网络流量预测提供了一种新的研究工具。
- 路璐程良伦
- 关键词：网络流量预测支持向量机
