基于KDT的人体运动数据行为分割.pdf

中国科技论文在线
0 Key words: network traffic; Markov model; traffic prediction; weighted average; prediction errors

0 引言
端到端流量反映了通信网络中网络级流量的变化情况，其作为网络管理的重要输入参
数，是网络设计、规划和优化的重要参考依据。但由于端到端网络流量隐藏在链路流量中，
35 要直接获得非常困难[1-3]。端到端流量预测是获取端到端流量的有效手段，已成为当前的研
究热点[4-6]。然而，由于其动态变化和随机突发性，要进行准确预测是困难的，端到端流量
预测引起了研究人员的广泛关注[5-9].
Pascal[6]利用自适应贝叶斯网络来预测流量流；Zhang等人[7]利用重力模型来建模和预测
端到端流量；Lakhina等人[8]研究了大尺度IP骨干网络端到端流量矩阵，分析了端到端流量
40 流的结构，利用主成分分析方法来建模和分析网络级流量的特征和属性，并提出相应的预测

基金项目：国家自然科学基金项目(No. 61071124); 高等学校博士学科点专项科研基金资助课题(No.
20100042120035); 新世纪优秀人才支持计划项目(No. NCET-11-0075); 中央高校基本科研业务专项资金资
助课题(Nos. N120804004, N110404001)。
作者简介：蒋定德，男，副教授，主要研究方向：网络测量、网络体系结构和协议分析

- 1 -中国科技论文在线
方法；Filho[9]通过主成分分析和K-meas方法进行流量预测；Adelani等人[10]结合迭代比例拟
合算法、fan-out算法、EM（Expectation-Maximization）算法和神经网络来提出一种混合
预测方法对端到端流量进行预测和估计。由于网络流量的动态变化[11]和自相似性[12]，要建
立精确的网络级流量模型是困难的。Federico等人[13]利用统计反演和alpha稳定模型来建模
45 网络流量；Stolojescu等人[14]研究了WiMAX网络中流量的长相关特性；Zhang等人[15]利用压
缩感知（compressi