從09年11到10年4月左右，一直忙於看**，做實驗，寫**，並沒有記錄中間的過程，現在大致回顧一下，如下：
1，對開題提出的想法實驗驗證：提出的動態kalman估計由於碰到樣本縮小導致關於引數的方程不穩定問題而受挫，這是由於流量矩陣的固有特性（至少abilence骨幹網裡的流量資料是這樣）。
2，改進pca，認為usv三個部分均是變化的，所以採用目前研究的比較熱的粒子群演算法搜尋合適的解。實驗結果不理想，這樣經過改進的演算法降低了原pca的假設（認為us是穩定的），僅認為流量矩陣是稀疏的，其實以此作為適應度函式不足夠約束解，中間對此適應度多次修改，試圖加強約束，實驗結果都不行。
3，中間做實驗的過程中，反倒是發現了一種很直接的估計方法，就是根據樣本的相似程度直接對映的方法，再經過ipfp迭代調整，實驗結果非常好，如果不經過ipfp調整的話比重力模型要好，但和kalman、pca差不多，但經過調整後比兩者無論是時間誤差還是空間誤差都小很多。這個迭代調整也是借鑑09年garch模型這篇**中用的，最初源自02年cao的那篇高斯模型的**（真痛恨當初那篇**沒仔細看）。後來又和garch模型做了比較，短期內（半天的估計）比之差，但以後的估計都比之好。這是由於時間序列模型的遞迴特性導致的。
就這樣倒騰了幾個月，總算有點收穫，後來寫了篇**，投了出去，已經被收錄。目前我認為流量矩陣的特性相當複雜，試圖通過對其建某種模型做為求病態反問題的額外約束條件這一方法幾乎很難再有大的收穫。我後來試圖建立基於多維互連的神經網路模型也由於計算量巨大而無法完成實驗。所以這一方向已經很難再出成果，昨天看到今年發表了一篇改進的重力模型的**，即對網路進行分割，分別求解再合併的方法來加快估計速度，但誤差不變。其餘的新出的幾篇就沒什麼意思了。這也說明這一研究方向已經很難再有突破了。
專案中期總結
安裝步驟如下 npm install g yo 安裝yeoman 目前實現的功能通過半期的學習過程，進一步熟悉了nodejs，了解了當前主流的web前端專案工具如gulp,grunt,bower,yeoman,並將其應用到自己的專案中。學習coffee script。嘗試自行程式設計實現livere...
網路流量矩陣估算開題總結
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...
開源夏令營中期總結
第乙個月的實習期，馬上就要結束了，在這裡總結下。本人做的專案是用golang實現帶快取的http 伺服器。第乙個月大致完成以下功能 在這乙個月裡，本人還算是比較空閒的，所以可以有很多時間花在這個專案上，專案的進展也比較快。遇到的問題其實不是很多，因為程式本身寫的比較簡單。在前期主要完成的是對http...