摘 要:现在网络业务流量大并且流量数据分析越来越复杂,数据主要表现出长相关特性。好的流量模型必须能够准确描述网络实际流量的特征,才能准确预测流量状况。因此本文在对网络流量进行研究分析时,以已知Hurst指数的分形高斯噪声(FGN)序列仿真信号为主要研究对象,在原有Hurst指数估计方法的基础上加入滑动窗,对仿真序列进行时变Hurst指数分析。实验结果显示,与传统算法的估计结果相比,时变Hurst指数估计方法能更好地反映网络流量的局部长相关特性。
关键词:网络流量;时变Hurst指数;滑动窗
Abstract: Now the network
[登陆后可查看全文]