公共文化服务平台

汤萍萍: 作品数：13 被引量：17H指数：3; 供职机构：南京邮电大学通信与信息工程学院更多>>; 发文基金：国家自然科学基金博士科研启动基金安徽省自然科学基金更多>>; 相关领域：电子电信自动化与计算机技术文化科学更多>>

合作作者

核域多重分形谱感知的流识别与分类被引量：1: 2017年; 目前关于流识别与分类的主流技术是基于统计学方法,其核心环节是提取有效的特征属性集,但这种方法的假设条件是,特征互不相关、数据也互不相关。正因为这种假设的不合理性,使得分类效果和识别性能有限,引入以数据相关性为核心的多重分形理论,从根本上摈弃独立假设的局限性与狭隘性,实现流的有效分类。为此,定义并论证流的分形谱,在此基础上推导流的估计谱,然后在定义的核域内基于灰色关联度进行估计谱分析,继而脱离特征提取过程实现流的分类识别。最后通过系列实验显示流的分形性和分形谱,并进行实际分类效果的纵向比较和横向比较。研究结果表明,基于多重分形理论的流分类识别方法,有效弥补了统计学方法所不可避免的独立假设缺陷,因此具有强大而高效的识别未知流的能力,也特别适合于动态多变的在线识别。; 汤萍萍王再见郭良敏; 关键词：多重分形谱数据相关性

5G网络感知质量关键技术研究被引量：5: 2016年; 第五代移动通信(5G)网络需要满足用户个性化、业务区分精细化的发展要求,要以用户为中心评估网络性能、执行网络操作。因此研究面向Qo E(Quality of Experience)的关键技术有利于推动5G的发展、也有利于促进新业务的发展。介绍了5G网络环境中应用/服务的基本特点,然后对现有的面向Qo E的切换策略、移动管理技术、网络及电源资源使用优化技术、质量波动管理和Qo E评估技术进行综述,重点提出了一种网络多媒体业务Qo E保证方案,并给出了今后的研究方向。; 王再见杨凌云汤萍萍何国栋; 关键词：服务质量用户体验

基于偏好逻辑的网络流QoS类动态聚集方法: 2020年; 现有的网络业务流到QoS(Quality of Service)类的聚集一般采用定量的聚集方式,这类方法需要业务流给出确定的QoS参数值,并且QoS参数之间的权重系数是精确的,系统设置的QoS类也是固定不变的;而现实中,这些因素往往是不确定、不精确的.于是本文引入定性的偏好逻辑理论、并结合QoE(Quality of Experience)建模业务流的偏好需求,再基于霍尔逻辑对冲突的偏好需求进行有效的检测和消除,继而借助非单调推理在动态变化的候选集QoS类中进行选择,最终实现一种以偏好为内容的QoS类动态聚集方法 PLM(Preference Logic Model for flows aggregation).实验结果表明,本文提出的聚集方法,可有效建模业务流不确定、不精确的QoS需求;在高可变的动态环境中,当业务流QoS需求发生变化,或QoS类发生变化,都能对业务流进行有效的聚集调节以充分利用系统资源.因此,与其他聚集方法相比,在延时、丢包率、吞吐量等各个方面表现优良.; 汤萍萍董育宁田炜王再见杨凌云; 关键词：QOE

基于强化学习的Web服务组合算法:RLA: 服务组合已经成为web服务研究领域的热点。在服务组合中潜在着诸多问题，如服务组合方法、组合的正确性验证、Web服务间的协作、事务处理，以及服务质量(QoS)等等，这些问题都有待于解决或完善。本文将基于强化学习对服务组合方...; 汤萍萍; 关键词：网络服务

小波域基于分段Hurst指数的视频流分类被引量：3: 2017年; 现有的视频流分类方法体现出内容依赖及特征依赖的局限性,该文引入流量分形理论,并在小波域内,提出一种基于Hurst指数的Fractals分类模型以改进不足。为此,该文首先描述流的分形性质,定义流的Hurst指数,推导小波域内Hurst指数的估计过程。然后,基于代价函数优化分段目标,用聚类差异度方法计算分段Hurst指数的总体差异量,再基于最大类间方差阈值进行分析,从而实现视频流的细粒度分类。研究结果表明,该文提出的分类方法,以随机数据的变化特性为内容,突破了内容依赖的局限性,解决了特征制约的瓶颈,提高了视频流的分类效果。; 汤萍萍董育宁; 关键词：视频流分形 HURST指数小波

基于粗糙K均值的服务质量相关弹性流聚集: 2019年; 面对多变的网络环境,现有的网络服务质量(QoS)映射中流聚集方法缺乏灵活性。针对现有聚集方法的缺陷,该文提出一种动态聚集方法。使用增强粗糙K均值算法(ERKM),按照网络流的QoS属性将网络流进行合理聚集,并且在网络处于高负载状况时,通过隶属度弹性聚集网络流,从而适应网络的变化,使得网络流聚集具有灵活性。最后进行了网络流聚集实验和调度实验。实验表明,相比于现有的方法,该方法能够更加弹性地应对不同网络状态,并且更好地保障网络流的QoS指标。此外,还进一步验证了该文方法在不同网络环境下的QoS类聚集的一致性。; 吴争董育宁田炜汤萍萍

使用改进K-SVD的网络多媒体业务QoS类识别: 2017年; 该文基于网络多媒体业务QoS(Quality of Service)特征特点,提出网络业务QoS类识别算法。探索了新的多媒体业务QoS类划分模式,在QoS分类的基础上,可以通过将具有相同或相似QoS需求特征的业务流聚集生成聚集流。聚集流划分使用较少的QoS特征,借助聚集流可以在合理的粒度上区分多媒体业务。该文从QoS特征出发分析了聚集流识别的特点,利用网络多媒体业务典型QoS特征的稀疏性,使用改进K-SVD(Kernel Singular Value Decomposition)进行字典学习,实现网络多媒体业务QoS类识别。实验结果表明,该文算法比现有方法具有更高的QoS类识别准确性。; 王再见董育宁汤萍萍杨凌云张晖; 关键词：QOS

基于粒关系矩阵的流量在线分类: 2021年; 随着各种网络应用爆发式增长,流量的在线分类陷入困境之中.传统的基于包统计特征的机器学习方法适用于稳定的网络环境,当网络拥塞出现严重的时延和丢包时将产生较大误差.因而本文提出基于粒计算模型的分类方法.粒计算属于人工智能计算的分支,当数据缺失、信息不完全或是有噪数据仍拥有较高的分辨能力.为此本文将网络流量定义成粒子并构造粒子间关系,再建立粒关系矩阵.传统的包统计特征只是粒关系矩阵当观测角度达到最大时的特例,因此粒关系矩阵对流量特性的描述更为全面,以此进行分类也更为精准.最后实验数据证明了该方法的有效性和优越性.; 汤萍萍董育宁; 关键词：网络流量粒计算关系矩阵差异度

基于M值概率分布的网络视频流分类被引量：3: 2018年; 为了改善网络视频流的细粒度分类效果,该文分析视频流传输过程中的特征变化与流分类之间的关系。根据不同类型的视频流具有不同的下行传输速率变化模式,提出一种新的基于下行速率传输的视频流分类特征—M值概率分布,并使用支持向量机(SVM)实现网络视频流的分类。实验结果表明,M值概率分布相比较于已有的常见流特征,可以更好地实现6种典型的网络视频流分类。; 杨凌云杨凌云董育宁王再见; 关键词：网络视频流流分类

分段Hurst指数感知的流级别分类: 2016年; 关于流识别与分类,目前主流的技术是基于统计学方法,核心环节是提取有效的特征属性集。这种方法的假设条件是,特征不相关,数据不相关。正因为这种假设的不合理性,使得分类效果有限。虽然已经有很多研究在集中解决特征相关性问题,但数据相关性却难以突破。因此引入流量分形理论,该理论建立在数据相关性基础之上。通过对原有理论进行必要的修改、调整以适用于流的分类识别,并用理论证明验证其有效性,最后通过系列实验体现该方法在粗粒度分类、未知流分类等方面的实际效果。; 汤萍萍王再见王冬菊; 关键词：数据相关性 HURST指数

汤萍萍

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

汤萍萍

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈