包对模型的精度分析与改进:互联网带宽探测新进展
需积分: 10 136 浏览量
更新于2024-09-09
1
收藏 794KB PDF 举报
"包对探测统计模型与测量精度分析.pdf"
这篇论文主要探讨的是包对模型(Probe Gap Model,PGM)在探测计算机网络可用带宽中的应用及其精度问题。包对模型是一种常用的网络带宽测量方法,但在实际应用中面临一些挑战。论文作者针对这些问题进行了深入的研究,并提出了解决方案。
首先,PGM模型缺乏精确的数学描述。原有的模型假设流量包长度无限小,这在实际网络环境中并不成立,因为网络数据包通常有固定的最小长度和各种不同大小的包。论文通过建立数学模型来弥补这一不足,从而更准确地描述网络流量的行为。
其次,论文定量分析了探测精度,这是PGM模型的一个关键问题。由于没有明确的计算精度和样本容量的方法,使得测量过程的可靠性受到影响。作者提出了新的算法和公式,用于计算测量精度和确定合适的样本数量,这有助于提高测量结果的准确性。
此外,论文还关注了互联网数据包的突发性对探测结果的影响。在实际网络中,数据包的传输并非均匀分布,而是经常出现突发性的流量高峰和低谷。作者通过分析这些突发性事件,揭示了它们如何影响带宽探测的精度,并提出了相应的补偿策略。
最后,为了验证上述理论分析,作者进行了仿真实验。实验结果证实了改进后的包对模型能够有效提高可用带宽测试的精度和可信度,对网络性能评估和资源管理具有重要意义。
这篇论文的贡献在于提供了一套更精确的包对模型,解决了模型描述不准确、测量精度难以量化以及数据包突发性影响等问题,对于计算机网络的可用带宽探测技术有显著的提升。这对于网络管理员、研究人员以及依赖网络性能的各类应用来说,都是一个重要的理论和实践指导。
2019-08-19 上传
2023-07-12 上传
2023-03-12 上传
2023-09-08 上传
2023-09-27 上传
2023-05-22 上传
2023-04-28 上传
2023-06-03 上传
2023-05-02 上传
weixin_39841848
- 粉丝: 512
- 资源: 1万+
最新资源
- WPF渲染层字符绘制原理探究及源代码解析
- 海康精简版监控软件:iVMS4200Lite版发布
- 自动化脚本在lspci-TV的应用介绍
- Chrome 81版本稳定版及匹配的chromedriver下载
- 深入解析Python推荐引擎与自然语言处理
- MATLAB数学建模算法程序包及案例数据
- Springboot人力资源管理系统:设计与功能
- STM32F4系列微控制器开发全面参考指南
- Python实现人脸识别的机器学习流程
- 基于STM32F103C8T6的HLW8032电量采集与解析方案
- Node.js高效MySQL驱动程序:mysqljs/mysql特性和配置
- 基于Python和大数据技术的电影推荐系统设计与实现
- 为ripro主题添加Live2D看板娘的后端资源教程
- 2022版PowerToys Everything插件升级,稳定运行无报错
- Map简易斗地主游戏实现方法介绍
- SJTU ICS Lab6 实验报告解析