本文档探讨了"网络异常点检测中性能指标阈值的动态确定方法",发表于2011年4月的《北京邮电大学学报》第34卷第2期。作者于艳华、宋美娜、张文婷和宋俊德针对通信网络的可靠性提升问题,提出了一个关键性的解决方案。传统的网络异常点检测通常依赖于性能指标阈值,然而静态阈值可能无法适应网络运行中的动态变化,因此动态阈值的确定显得尤为重要。 研究者采用了基于统计假设检验的网络异常检测方法,这种方法通过识别那些表示性能下降的异常点,能够帮助提前发现和快速恢复网络故障。他们特别关注如何动态调整这个阈值,以提高检测的准确性和效率。为此,他们提出了一种创新的方法,即结合季节累积自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average, SARIMA)的时间序列预测和置信区间计算。 SARIMA是一种强大的时间序列分析工具,它考虑了季节性效应并能够对数据进行自回归和差分处理,以便更好地预测未来趋势。在这个研究中,研究人员利用SARIMA模型在训练集上的拟合残差来验证其假设,即残差应该符合正态分布。然后,他们设计了一个新的算法,通过构建满足t分布的随机变量,来计算预测值在任意置信水平(例如1-a)下的置信区间。这种方法确保了阈值动态调整的科学性和稳健性。 理论分析部分深入探讨了这一方法的数学原理和统计基础,证明了通过这种方式获取的阈值具有较高的可靠性。实验结果部分展示了动态阈值确定方法在实际网络环境中的有效性,通过与传统阈值方法的比较,证明了其在提高故障检测精度和响应速度方面的优势。 这篇论文提供了一种实用的策略,使得网络异常点检测能够更加智能地适应变化,从而显著提升通信网络的可用性和稳定性。这对于现代通信网络的维护和优化具有重要的实践价值。关键词包括:异常点检测、时间序列预测、季节累积自回归滑动平均模型和置信区间,这些技术在信息技术领域内具有广泛的应用前景。
下载后可阅读完整内容,剩余4页未读,立即下载
- 粉丝: 9
- 资源: 971
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 彩虹rain bow point鼠标指针压缩包使用指南
- C#开发的C++作业自动批改系统
- Java实战项目:城市公交查询系统及部署教程
- 深入掌握Spring Boot基础技巧与实践
- 基于SSM+Mysql的校园通讯录信息管理系统毕业设计源码
- 精选简历模板分享:简约大气,适用于应届生与在校生
- 个性化Windows桌面:自制图标大全指南
- 51单片机超声波测距项目源码解析
- 掌握SpringBoot实战:深度学习笔记解析
- 掌握Java基础语法的关键知识点
- SSM+mysql邮件管理系统毕业设计源码免费下载
- wkhtmltox下载困难?找到正确的安装包攻略
- Python全栈开发项目资源包 - 功能复刻与开发支持
- 即时消息分发系统架构设计:以tio为基础
- 基于SSM框架和MySQL的在线书城项目源码
- 认知OFDM技术在802.11标准中的项目实践