导读:本文包含了网络层析成像论文开题报告文献综述及选题提纲参考文献，主要关键词:多相流,介质分布,电阻层析成像,图像重建
网络层析成像论文文献综述
李峰,谭超,董峰[1]（2019）在《全连接深度网络的电学层析成像算法》一文中研究指出电学层析成像技术为多相流体中具有导电与非导电特性的介质分布的检测提供了一种有效的方法.但是,电学层析成像图像重建是一个非线性问题,传统线性化重建算法不能反映图像重建的非线性本质,使得重建图像的精度低。为解决这一问题,以电阻层析成像测试数据为基础,提出了一种基于深度学习的6层全连接深度网络图像重建算法,通过线性与非线性的交替迭代直接训练边界测量与场内介质分布之间的非线性映射关系。仿真与实验结果表明,6层全连接深度网络算法与传统采用的线性反投影、吉洪诺夫正则化等算法相比,图像重建结果具较高的重建精度与较好的可视化效果;但是,该算法对测试噪声的鲁棒性需要进一步提高。(本文来源于《工程热物理学报》期刊2019年07期）
Mazin,Yousif,Ahmed,Mohammed（马赞）[2]（2019）在《基于机器学习的内部延迟估计网络层析成像》一文中研究指出随着互联网渗透到人们生活的方方面面(物联网),计算机网络变得日渐庞大、复杂。在这种情况下,用不影响监测网络性能的方式获得指标和度量值,并进行及时有效的网络监测和分析就变得至关重要。然而,测量网络中所有节点的网络流量是不切实际的,一种有前景的替代方案是仅在网络边缘进行测量,并从这些测量值中推断网络的内部行为。为了解决内部链路参数测量(例如时延和丢包率)的问题,本文采用网络层析(NT)技术,收集基于端到端测量的路径性能数据,然后使用统计计算的方法推断逻辑链路性能的概率分布。这种从端到端估计链路性能的技术既不需要内部网络的协作,也不依赖通信协议。此外,本文在网络层析成像技术上融合了一种新的统计方法,使得建模网络更容易估计内部链路性能参数的性能。这种方法就是机器学习(ML),尤其是线性回归模型。该技术能够在给定输入值(例如路径时延)后预测真实值(例如链路时延),比如说让模型从给定的样本数据(学习数据大约占总数据的80%)中学习,然后使用20%的数据(测试数据)验证模型。将估计得到的时延值与使用网络模拟器NS2对一个有线网络仿真生成的实际时延值进行比较,以两者的计算误差值(均方误差MSE)评估模型的性能。(本文来源于《华北电力大学(北京)》期刊2019-06-01）
任显卓,LINDEN,Joost,van,der,NARSILIO,Guillermo[3]（2019）在《基于岩土材料层析成像的孔隙网络构建算法》一文中研究指出孔隙网络模型是研究多孔介质和其中颗粒的关键。现有的构建孔隙网络模型的算法有许多,但人们开始越来越多地研究基于图像的算法。将讨论一种基于中轴线的孔隙网络构建算法,并且对原有算法中孔隙中心表示方法不合理及缺少中轴线上各点坐标的问题提出改进,改进后的算法提出了孔隙中心的另一种表示方法,并且中轴线上任一点的坐标都被标出。在构建孔隙网络模型后利用该模型计算孔隙体积和喉径,并且针对过度分割的问题提出基于欧氏距离及基于分水岭算法的两种融合算法对孔隙和孔喉进行融合。(本文来源于《现代地质》期刊2019年02期）
陈权贺[4]（2019）在《基于网络层析成像技术的拓扑推断研究》一文中研究指出当今的互联网是一个庞大的分布式网络,随着社会的不断发展,其规模不断扩大,对于网络的管理、优化以及故障诊断等方面也提出了更大的挑战,倘若能够识别网络的拓扑结构,这一切问题都会得到简化。固定网络的拓扑推断主要有两种方法:一种是传统的网络推断方法,它通过收集网络内部节点的相关拓扑信息进行分析和处理,从而推理出网络拓扑结构,这种方法有赖于网络内部节点的配合,而且,信息收集过程中容易增加网络通信负载,这个问题也不容忽视;另一种方法是网络层析成像技术,采用这种方式,即使在没有来自内部节点协作的情况下,只要通过在网络边界处采用主动测量或被动接收的方式获得网络内的有用信息,再而利用统计学的方法就能够进行拓扑推断。本文从系统模型、参数测量方法以及逻辑拓扑推断算法等方面详细介绍了网络层析成像技术,其中,重点探究了基于网络层析成像技术的网络拓扑估计算法,对其突出特点与现存问题做了详尽的说明,并对之进行改进,在估计准确性和推断效率上有一定的提升。首先,针对基于最大似然的拓扑估计方法计算复杂度过高的问题(特别是网络规模较大时),提出了改进的带正则项的最大似然快速拓扑估计方法,有效降低了计算量,并通过理论证明和仿真实验进行了论证。另外,针对现有分层拓扑估计算法在节点相关性方差较大时,会出现性能下降的情况,提出了基于合并分层聚类的网络拓扑推断算法,该算法采用自底向上的合并分层聚类,每次聚类仅使用与最大相关节点对有关的数据,通过这个方式,在原有的分层拓扑估计算法基础上,降低了运算复杂度,提高了算法的参数估计精度。(本文来源于《华北电力大学(北京)》期刊2019-03-01）
胡叶容[5]（2018）在《基于GA-BP神经网络的电容层析成像图像重建》一文中研究指出目前针对电容层析成像分辨率不高,精度低的问题,提出一种基于(GA-BP)算法对电容层析成像图像重建。其中BP算法可以解决非线性问题,但是BP算法的过程收敛速度慢,很有可能陷入局部极小值。而遗传算法(GA)具有全局寻优的优点。可以有效防止搜索过程收敛于局部最优解。文中将二者结合起来.由GA寻找最优的BP神经网络权值与相应节点的阀值。仿真结果表明:此方法与LBP算法、Landweber算法相比预测精度高,为电容层析成像图像重建提供了一种新思路。(本文来源于《电子技术与软件工程》期刊2018年23期）
李源[6]（2017）在《多径路由下网络拓扑估计的层析成像方法研究及测量平台的实现》一文中研究指出网络拓扑推断在计算机网络领域是十分重要的一个问题。无论对于普通的网络使用者还是网络管理者而言,精确了解网络内部结构对于监控网络运行状态,设计网络应用都具有重要的意义。由于实际网络内部可能存在大量不能提供测量协作的节点,传统推断方法会面临失效的风险,而基于层析成像的网络拓扑推断方法通过在网络边缘节点上收集网络端到端性能参数(如时延、丢包率等),然后利用收集到参数进行数据分析及统计特征提取,便可以推断网络拓扑结构。现有网络层析成像研究大都是在网络拓扑是树状拓扑的假设下进行的。然而随着负载均衡技术的应用,互联网中出现了越来越多的多径路由网络,此时网络端节点对间会存在多条可达路径,拓扑不再是传统的树形拓扑结构,并且传统层析成像方法不再适用,因此本文主要对多径路由下拓扑估计的网络层析成像问题进行研究。另外为使网络层析成像的研究更加方便高效,设计并搭建了一套基于PlanetLab与NS-3的层析成像测量平台。本文的主要工作与创新点概括如下:(1)提出了基于报文到达顺序的端到端路径数目识别算法。明确网络中多径路由数目对拓扑估计问题至关重要。本方法首先根据包组中报文到达顺序得到探测流约束集合,在不同的K值下对探测流使用有约束K均值算法进行聚类,得到不违反约束的最小的K值,最后使用传统K均值算法的对探测流进行聚类,对从最小K值开始的不同聚类结果利用相关标准进行评判,推断出可能的多径路由数目。通过实验证明了该算法在不同负载的网络中都能准确地推断出端到端路径数目。(2)提出了多径路由下基于节点插入的网络拓扑估计方法。通过将多径路由拓扑的分解为一个单源树状拓扑和若干多源树状拓扑证明了多径路由拓扑结构的可辨识性。方法首先对网络中单径路由节点利用传统方法进行拓扑恢复得到树状拓扑,然后利用端到端测量得到的多径路由路径与其它单径路由的相关性对其分支节点在树状拓扑上进行定位,从而最终恢复出多径路由网络拓扑结构。实验结果也证明了该方法可以准确估计多径路由网络拓扑。(3)设计并搭建了基于PlanetLab与NS-3的层析成像测量平台。该平台将实际网络测量与网络仿真相结合,可以完成实际网络多径路由发现及端到端参数测量等工作,并且可以对本文所提相关算法进行实验,结果也证明了算法的有效性。(本文来源于《电子科技大学》期刊2017-05-10）
潘胜利[7]（2016）在《多径路由网络层析成像》一文中研究指出网络层析成像是一种网络测量技术,能够在目标网络不提供测量协作的情况下,通过端到端测量的方式推断出链路时延分布等目标网络参数。网络层析成像不仅适用于普通网络用户,对于网络管理者而言,也是一种重要的网络性能监控措施。然而,随着互联网规模的快速增长以及大量新技术的开发和应用,互联网的一些特征正逐渐发生着变化。一种典型的情况是网络流量均衡技术会在网络中引入多径路由,使得在端节点间可存在多条可用路径,在改变传统单源网络树型拓扑结构的同时,也对网络层析成像等网络测量技术提出新的要求。本文针对多径路由网络这种新网络场景,在多径路由网络识别、多径路由网络端到端测量路径定位、多径路由网络拓扑推断、多径路由网络拥塞链路诊断等四个主要方面开展多径路由网络层析成像方法研究,并取得如下相应成果:<1>.针对多径路由网络识别问题,首先通过对端到端报文到达顺序进行概率建模,在理论上证明报文无乱序传输概率具有路由区分性,即单径路由情形下的报文无乱序传输概率对多径路由情形表现出一致的大小关系。然后基于网络端到端报文到达顺序测量,提出一种既能够分辨多径路由网络又能够用于识别多径路由类型的探测方案。理论分析结果表明,所提多径路由网络识别方案能够取得非常低的检测失效概率。实验结果验证所提方案的有效性;<2>.针对多径路由网络测量路径定位问题,提出一种定位端节点对间探测流测量路径的网络层析成像方案。对于一个给定的单源多径路由网络,所提方案首先计算并在端节点对间部署使路径测量覆盖失败概率不高于给定门限时所需最少数量的探测流。然后,根据探测流路径时延性能相似性识别出处于同一测量路径上的探测流。最后,提出并证明探测流测量路径能够被唯一定位时目标拓扑所需要满足的一个充分条件。实验结果表明所提方案对探测流测量路径的定位效果良好;<3>.针对多径路由网络拓扑推断问题,首先利用图割的方法在理论上证明单源多径路由网络拓扑所对应的非树型拓扑能够被分解为一个树型拓扑和一个多源单径路由拓扑,并以此说明单源多径路由网络拓扑的可辨识性。其次通过网络端到端报文到达顺序测量方式,提出一种能够检测路径间共享割边情况的探测方案。然后基于该端到端探测方案,进一步提出用于单源多径路由网络拓扑各子拓扑端到端路径识别算法。实验结果证实所提方案具有良好的识别性能;<4>.针对多径路由网络拥塞链路诊断问题,首先理论证明单源多径路由网络链路时延方差具有可识别性。然后基于从网络端到端测量数据中提取的额外时延性能约束信息以及额外路径拥塞程度差异性量化信息,将单源多径路由网络拥塞链路识别问题归纳为约束最优化问题,并提出一系列相应的求解算法。由于从测量数据中提取更多的有用信息量以及合理地利用单源多径路由网络拓扑结构特点,实验结果表明,所提相关算法具有比现有方法更好的拥塞链路检测性能。通过解决上述问题,本文将网络层析成像的应用范围扩展到多径路由网络环境。所取得的相关成果,不仅能直接用于多径路由网络环境层析成像方法的实际测量部署,而且还能为非平稳网络等复杂网络环境层析成像方法提供借鉴,有力增强网络层析成像方法的实用性。(本文来源于《电子科技大学》期刊2016-06-08）
徐静[8]（2016）在《基于层析成像及网络编码的拓扑推断研究》一文中研究指出网络层析成像应用端到端的测量方法和统计推断理论实现网络性能及网络拓扑估计,而准确地掌握网络的拓扑结构是监控、评估整个网络各种性能的重要前提条件,因此基于网络层析成像的网络拓扑推断成为网络测量领域的重要研究方向。网络编码的出现打破了传统路由技术对网络节点行为的限制,也使得编码数据能够在一定程度上反映数据在传输过程中所经过的节点或链路的状态。网络编码加强了数据包对网络拓扑的依赖性,而这一特性恰好可以为进一步深入探索网络拓扑层析方法提供坚实的依据。求解网络层析问题的首要步骤是选择合适的端到端测量方法,端到端测量方法的选择包括探测源以及接收节点的选择、度量函数的选取、中间节点的数据处理方式(本文指的是路由转发或网络编码处理方式)等方面的内容。针对网络拓扑推断问题,本文展开了以下研究工作:1、针对采用单一参数作为度量指标存在的不足之处,提出了一种结合延时抖动和丢包率两个性能参数的主动拓扑推断算法。然后利用OPNET搭建仿真模型获取仿真数据,并根据获取的仿真数据计算节点之间的相关性,从而实现待测网络的拓扑重构;2、在二叉树拓扑中,为了使任意对拓扑感兴趣的叶节点都能够根据自己观测到的数据正确地推断出网络的拓扑结构,提出了一种基于网络编码的主动拓扑层析推断算法。该算法不需要复杂的统计计算,降低了拓扑推断的难度。(本文来源于《渤海大学》期刊2016-06-01）
夏萌[9]（2016）在《网络层析成像和协作测量结合的网络拓扑识别研究》一文中研究指出在信息技术发展突飞猛进的今天,互联网的重要地位不言而喻。网络中的路由器拓扑结构反映了网络中路由器之间的连接关系,是分析和研究互联网的重要课题。目前已有的路由器级别拓扑识别方法主要依靠传统协作测量搜集原始数据,通过对原始数据分析、做别名解析等处理恢复出路由器级别拓扑。这些方法对匿名路由器的处理能力有限,无法准确地识别匿名路由器拓扑,进而对整个路由器级拓扑的精度造成影响。因此,针对现有方法的不足,本文提出了把传统的协作测量和层析成像结合起来,并加入自适应多中心聚类算法来解决匿名路由器的识别问题。本文的主要工作和创新点概括如下：(1)针对拓扑识别中的匿名路由器问题提出了新的匿名路由器识别方法,重点在于解决匿名路由器中的多径问题。该方法的主要思路是把传统协作测量与网络层析成像相结合,并在此基础上加入基于自适应多中心聚类方法来处理层析成像所得数据,聚类的目的在于获取匿名路由的路径数量,通过对网络层析成像数据计算相关度向量,再对这些相关度向量进行聚类可以比较精确地得到多径匿名路由中的路径数目。而由于拓扑未知,聚类前无法得知路径数目,本文采用对最大最小距离法改进而得到的自适应多中心聚类算法。再通过层析成像得出的共享路径信息,最终完成对多径匿名路由器的识别,从而协助构建路由器级拓扑。(2)针对平行结构和星型结构两种最为广泛和典型的匿名路由器拓扑结构将本文提出的新方法应用其中。详细分析了每种结构中可能出现的各种情况,讨论其拓扑结构用本文所提出方法识别的可能性及解决方案,并针对各自特点分别总结归纳得出一个结论,基于该结论分别得出一套拓扑识别流程。最后在较大的实际网络拓扑中对本文的方法进行了验证。本文使用理论数据和CAIDA提供的真实网络测量数据对提出的方法进行了实验验证,实验结果表明,本文提出的方法能够有效地解决多径匿名路由器问题,识别和分析出准确的路由器级拓扑,并且对于平行结构和星型结构两种典型情况,本文的方法取得了较为理想的结果。(本文来源于《电子科技大学》期刊2016-05-20）
李迪[10]（2016）在《基于层析成像和丢包率的网络中立性研究》一文中研究指出网络中立性是政府制定的一个法规。该法规强调互联网服务提供商(Internet Service Provider, ISP)要平等地对待网络中的每个合法用户,不能对用户的合法行为进行阻塞、节流,或是对某些用户行为设置高的优先级。网络中立性旨在建立一个平等健康的网络。我们从局部到整体对网络中立性进行定量分析。网络层析成像技术(Network Tomography)用于通过外部观测来获取内部链路的性能数据。在本文中,我们设计了一个基于“最大流”对网络层析成像技术分析链路中立性的改进算法。通过滤除超出容量的链路所在的序列,进一步提高了算法的真正率(True Positive Rate, TPR),降低了算法的漏判率(False Negative Rate, FNR),且改进算法没有误判。通过仿真实验,我们发现：在简单网络中,当非中立链路数量为1时,随着路径数量增多,原算法和改进算法的真正率都先升高、后降低,且改进算法较原算法真正率平均提高最多,约为57%,且最大可达到61.66%；当非中立链路数量为2或3时,随着路径数量增多,原算法真正率较为稳定,改进算法真正率提高较快,且改进算法较原算法真正率平均提高约8%。基于对网络中立性的局部分析,我们通过外部观测,从整体上对网络中立性进行评判。丢包率(Packet Loss Rate, PLR)是评价网络状况的一个重要指标。基于丢包率模型,利用Neubot (The Neutrality Bot)提供的数据和我们提出的初等函数模型,求得丢包率的阈值为0.10。不同测试之间的丢包率的差异用来评价违反网络中立性的程度。基于丢包率阈值,我们分析了违反网络中立性程度关于时间和空间的变化。在时间上,违反网络中立性现象更容易发生在网络高峰期；在空间上,在被研究的八个地区中,中国和南非违反网络中立性程度最高。最后,我们分析了2012年到2015年全球的丢包率情况,说明了网络基础设施发展速度和用户需求增长速度的关系。(本文来源于《大连理工大学》期刊2016-03-20）
网络层析成像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着互联网渗透到人们生活的方方面面(物联网),计算机网络变得日渐庞大、复杂。在这种情况下,用不影响监测网络性能的方式获得指标和度量值,并进行及时有效的网络监测和分析就变得至关重要。然而,测量网络中所有节点的网络流量是不切实际的,一种有前景的替代方案是仅在网络边缘进行测量,并从这些测量值中推断网络的内部行为。为了解决内部链路参数测量(例如时延和丢包率)的问题,本文采用网络层析(NT)技术,收集基于端到端测量的路径性能数据,然后使用统计计算的方法推断逻辑链路性能的概率分布。这种从端到端估计链路性能的技术既不需要内部网络的协作,也不依赖通信协议。此外,本文在网络层析成像技术上融合了一种新的统计方法,使得建模网络更容易估计内部链路性能参数的性能。这种方法就是机器学习(ML),尤其是线性回归模型。该技术能够在给定输入值(例如路径时延)后预测真实值(例如链路时延),比如说让模型从给定的样本数据(学习数据大约占总数据的80%)中学习,然后使用20%的数据(测试数据)验证模型。将估计得到的时延值与使用网络模拟器NS2对一个有线网络仿真生成的实际时延值进行比较,以两者的计算误差值(均方误差MSE)评估模型的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络层析成像论文参考文献
[1].李峰,谭超,董峰.全连接深度网络的电学层析成像算法[J].工程热物理学报.2019
[2].Mazin,Yousif,Ahmed,Mohammed（马赞）.基于机器学习的内部延迟估计网络层析成像[D].华北电力大学(北京).2019
[3].任显卓,LINDEN,Joost,van,der,NARSILIO,Guillermo.基于岩土材料层析成像的孔隙网络构建算法[J].现代地质.2019
[4].陈权贺.基于网络层析成像技术的拓扑推断研究[D].华北电力大学(北京).2019
[5].胡叶容.基于GA-BP神经网络的电容层析成像图像重建[J].电子技术与软件工程.2018
[6].李源.多径路由下网络拓扑估计的层析成像方法研究及测量平台的实现[D].电子科技大学.2017
[7].潘胜利.多径路由网络层析成像[D].电子科技大学.2016
[8].徐静.基于层析成像及网络编码的拓扑推断研究[D].渤海大学.2016
[9].夏萌.网络层析成像和协作测量结合的网络拓扑识别研究[D].电子科技大学.2016
[10].李迪.基于层析成像和丢包率的网络中立性研究[D].大连理工大学.2016