針對(duì)機(jī)載網(wǎng)絡(luò)高度動(dòng)態(tài)、高度不穩(wěn)定造成流量監(jiān)測(cè)設(shè)備難以在有限的監(jiān)測(cè)周期內(nèi)完成完整數(shù)據(jù)流負(fù)載特征的提取,限制了基于深度學(xué)習(xí)的流量分類方法的應(yīng)用問題,提出了一種魯棒性增強(qiáng)的機(jī)載網(wǎng)絡(luò)流量分類方法。通過數(shù)據(jù)預(yù)處理及缺失樣本處理方法將數(shù)據(jù)流映射為灰度矢量集合,基于完整的數(shù)據(jù)流訓(xùn)練數(shù)據(jù)集實(shí)現(xiàn)魯棒性增強(qiáng)的長時(shí)遞歸卷積神經(jīng)網(wǎng)絡(luò)（RE-LRCN）分類模型的訓(xùn)練,在線上分類階段,通過分類模型實(shí)現(xiàn)樣本缺失數(shù)據(jù)流負(fù)載空間特征及數(shù)據(jù)流時(shí)序特征的提取,并進(jìn)行數(shù)據(jù)流分類。通過在數(shù)據(jù)包缺失的流量測(cè)試數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,所提方法可以有效抑制數(shù)據(jù)包缺失對(duì)分類準(zhǔn)確性能的惡化。 

【文章來源】：北京航空航天大學(xué)學(xué)報(bào). 2020,46(07)北大核心EICSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
1 數(shù)據(jù)集與數(shù)據(jù)預(yù)處理
    1.1 數(shù)據(jù)集構(gòu)造
    1.2 數(shù)據(jù)預(yù)處理方法
    1.3 缺失樣本的處理
2 魯棒性增強(qiáng)的長時(shí)遞歸卷積神經(jīng)網(wǎng)絡(luò)
    2.1 整體模型構(gòu)建
    2.2 數(shù)據(jù)流負(fù)載空間特征提取
    2.3 數(shù)據(jù)流時(shí)序特征提取
        2.3.1 LSTM單元結(jié)構(gòu)
        2.3.2 懲罰機(jī)制
3 仿真結(jié)果與分析
    3.1 實(shí)驗(yàn)環(huán)境配置及評(píng)價(jià)指標(biāo)
    3.2 基于數(shù)據(jù)流時(shí)序特征的流量分類性能分析
    3.3 機(jī)載網(wǎng)絡(luò)環(huán)境下流量分類準(zhǔn)確性能對(duì)比分析
4 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]航空集群構(gòu)型控制及其演化方法[J]. 梁曉龍,何呂龍,張佳強(qiáng),柏鵬.  中國科學(xué):技術(shù)科學(xué). 2019(03)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類方法[J]. 王勇,周慧怡,俸皓,葉苗,柯文龍.  通信學(xué)報(bào). 2018(01)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量識(shí)別技術(shù)研究[J]. 李勤,師維,孫界平,董超,曲天舒.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[4]基于RNN的空氣污染時(shí)空預(yù)報(bào)模型研究[J]. 范竣翔,李琦,朱亞杰,侯俊雄,馮逍.  測(cè)繪科學(xué). 2017(07)
[5]機(jī)載網(wǎng)絡(luò)體系結(jié)構(gòu)及其協(xié)議棧研究進(jìn)展[J]. 梁一鑫,程光,郭曉軍,周愛平.  軟件學(xué)報(bào). 2016(01)
[6]基于有效載荷大小的早期網(wǎng)絡(luò)流量識(shí)別(英文)[J]. 吳同,韓臻,王偉,彭立志.  Journal of Southeast University（English Edition）. 2014(03)



本文編號(hào)：3152562