前天，實驗室做開題報告，我的題目是流量矩陣的估算研究，功夫不負有心人，終於開題成功，先前的擔心真是過慮了。
開題報告中我提出了兩個idea,乙個是流量矩陣的空間一般特徵，另乙個是改進的卡爾曼濾波器用於流量矩陣估計。空間特徵方面，我做了一些實驗，有些實驗結果好，有些結果不理想，總體來說，空間特徵沒有我想像的那麼簡單。
具體來說就是有些本不該相關的od流莫名的相關係數很大，這讓我相當費解，因為這些大量的偶然性的可能是具體應用導致的相關性的od流對似乎淹沒了我發現並證明了的「反向的od流正相關」這一結論，想想當時我發現並證明了這一結論而又恰在一篇已發表的**中的實驗資料未被人發現的奇妙的對稱性作為佐證時那份狂喜，哎……。而負相關的od流對從實驗資料來又看少，而且相關係數大多也很小，這一點也出乎我的意料。後來張老師和其他老師博士討論後認為我的這個題目太大。我當時產生這個想法時也覺得是有點大，流量矩陣空間一般特徵真是任重而道遠啊。
還好第二個idea算亮點吧，因為我從先前一篇實驗比較的**中發現了卡爾曼濾波的效果和特徵分析差不多，我分析認為卡爾曼理論上應該比特徵分析要好很多。然後找出了我認為卡爾曼為什麼不佳的原因：od流每天的波動幾乎沒有任何規律，用線性系統不能很好的**。但od流的主成分具有週期性，以天，以週為週期。接著提出了如何利用這種週期性，使得od流接近「線性系統」。這個改進我是用公式描述的，這樣的文字描述是當時聽報告的駱老師講出來的，我覺得說的很精確到位，連我自己都對這樣的改進理解的更深一層了。所以引用過來。當時駱老師問我是不是自認為抓住了問題的本質。我當時說可能吧，只是覺得畢竟沒有經過實驗驗證。後來覺得駱老師這樣一說，讓我更有信心了呵～～
卡爾曼濾波器比較難以實現，先前嘗試過，但未完成，現在想想要程式設計實現這個真是頭大，總之一切想法還有待實驗驗證。不過我想如果實驗結果證明線性系統用來**流量矩陣已經窮途末路了，那就只能使用神經網路了。回顧以往，我和神經網路真是結下了一些不解之緣，而且自認為對bp神經網路有一定深度的理解。但我討厭神經網路。不想使用它。
做開題報告的ppt時，很感謝何博士給我提出了很有用的改進建議，我當時參照她以前做的ppt把自己做的ppt大改了一番，使得條理很清楚，最後還加了一頁的時間安排。
獲取網路流量
獲取網路流量 int getnetworkpercent 第一次呼叫 getiftable 獲取必要資訊寫入 dwsize sizeof mib iftable if getiftable piftable,dwsize,false error insufficient buffer 效能計數器獲取...
網路流量監控
1.網路流量監控有什麼用？網路流量監控可以用來分析網路 2.網路流量監控技術有哪些？映象技術 sflow netstream 1.什麼是映象技術？映象技術是一種用來網路監控和故障排除的技術。2.映象技術有什麼用？映象技術可以在不影響報文正常處理流程的情況下，將映象埠的報文複製到乙份觀察埠，使用者利用...
檢視網路流量
更新yum源 yum update y 安裝epel源 yum install epel release 安裝iftop方式1 如果出現無可用包則嘗試下面安裝方式 yum install iftop y 安裝iftop方式2 yum install flex byacc libpcap ncurse...