- 博客(10)
- 收藏
- 关注
RSS订阅原创 独立成分分析的乏力
<br /> 独立成分分析是一种成熟的方法，这方面有很多论文和成熟的算法，将独立成分分析应用于流量矩阵估计中的一个比较成熟的想法是：假设多维的信号X可以分解为少维的独立成分信号S（不完备ICA问题），这样y=ax转换为y=Ax=A*W*s,当s的维数低于或等于y的维数时，可以求出s，再还原成x，当然这里还需要一个假设，就是W随时间是相对稳定的。第一个假设是有根据的：通过实验数据反应X的大部分OD流间是正相关的（有13%的OD对的相关系数甚至大于0.3）。通过使用fastICA算法对X进行分析后发现，
2010-12-10 21:00:00
910
原创 近一个月实验总结
首先尝试用遗传算法改进我先前提出的利用空间自相似的线性映射方法，发现在对样本进行繁殖时，几乎很少有能提高适应度的后代，即使有，也只是稍微提高一点，粗略估计不到5%。 再用神经网络，尝试了BP和eleman，用BP结合IPFP误差有所降低，eleman不便于和IPFP结合，所以我之前坚持的用神经网络预测，再用IPFP调整的方法总体来说效果不理想，近期ACM发表一篇关于用随机神经网络建立由y到x的估计模型，效果非常好，时间误差低于8%，也远好于我的方法，这彻底否定了我中期检查提出多维数据交
2010-12-05 21:24:00
851
1
原创 流量矩阵估计中期总结
<br /> 从09年11到10年4月左右，一直忙于看论文，做实验，写论文，并没有记录中间的过程，现在大致回顾一下，如下：<br /> 1，对开题提出的想法实验验证：提出的动态kalman估计由于碰到样本缩小导致关于参数的方程不稳定问题而受挫，这是由于流量矩阵的固有特性（至少abilence骨干网里的流量数据是这样）。<br /> 2，改进PCA，认为USV三个部分均是变化的，所以采用目前研究的比较热的粒子群算法搜索合适的解。实验结果不理想，这样经过改进的算法降低了原PCA的假设（认为US
2010-07-15 22:03:00
1375
原创 卡尔曼滤波器小结
断断续续，大概弄了将近一个月的时间，今天总算是把卡尔曼滤波器用于流量矩阵估计的问题给解决了。实验结果很理想，和作者的实验结果差不多。 回顾整个过程： 1，觉得卡尔曼有现成的预测和更新公式，只要确定参数C、Q、R就可以使用，很简单，便用最小二乘从直接测量的一天的数据算出C，再根据样本方差确定Q，由于Y是直接通过恒定的Y计算得来，所以假设R=0。但是，通过这些参
2009-11-08 10:35:00
4809
9
原创 网络流量矩阵估算开题总结
前天，实验室做开题报告，我的题目是流量矩阵的估算研究，功夫不负有心人，终于开题成功，先前的担心真是过虑了。 开题报告中我提出了两个Idea,一个是流量矩阵的空间一般特征，另一个是改进的卡尔曼滤波器用于流量矩阵估计。空间特征方面，我做了一些实验，有些实验结果好，有些结果不理想，总体来说，空间特征没有我想像的那么简单。 具体来说就是有些本不该相关的OD流莫名的相关系数很大，
2009-10-13 20:00:00
1965
转载 经常搞反的结果与目的
我们很多的事情，由于不能说的原因，把结果当成了目的。 发文章、搞经费、做项目、获得奖励、得诺贝尔奖本应该是过程或者结果，现在都成为了科研的目的。而科研工作本身的目的：认识自然和为改造自然提供技术却被忘得干干净净。 科研经费管理、引进人才是手段，被当成了一种政绩考核的指标，成为科研管理工作的目的。而科研管理工作本身的目的：创造良好的科研环境，提升科研工作的效率和对社会的贡献被忘得干干净
2009-10-13 19:59:00
790
转载 网络测量介绍
网络测量主要是通过在实际网络环境中测量研究目前网络运行中存在的问题，并提出解决办法。我们总希望自己的研究能够针对网络中某些重要的协议提出改进，但这比较困难，毕竟研究协议在实际运行环境时存在的问题是从协议诞生之日(通常之前)就一直进行着的，而Internet中重要的协议基本都有10~20年的历史了。网络测量领域主要分为端到端测量和从网络运行者角度的测量。端到端测量是从网络用户的角度出发来研究，关心端
2009-08-15 17:16:00
1644
原创 网络层析成像实验1——背景流量的运用
在使用NS2做网络层析重构时，首先需要产生背景流量。而互联网的流量被认为具有自相似性，所以可以使用NS2中的OTcl 类Application/ Traffic/ Pareto 中的一个流量生成器来将多个Pareto分布叠加生成具有长相关性的自相似流量。具体见［基于 NS2 的自相似业务流的生成，柴玉梅,刘向东］这篇论文所述。 而关于pareto分布的介绍可以参见以下链接：
2009-07-16 16:34:00
1134
原创 网络层析重构中经常到的用于解决线性方程反问题的EM算法简介备忘
EM算法一般是使用在处理数据残缺的问题或者含有隐含变量的时候，这种算法在思路上比较类似于爬坡算法，每一个E步骤都确定了下一步迭代的方向，而M步骤则包含了下一个迭代的距离。 假设X1,X2...Xn为n个观察向量（每一个X代表一个被试，而向量的长度取决于题目个数），而Y1,Y2...Yn则是对应每一个X的缺失数据，我们要得到的参数Z是一个未知的，我们现在希望通过X和Y得到Z，我
2009-07-14 20:54:00
596
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人