网络行为的全息测量方法

本书主要研究测量信息的采集方法，建立可扩展的稳定的测量结构体系，重点考虑测量资源的增长和海量测量数据的增长之间的矛盾，研究在网络中出现异常突变等极端情况下，采用抽样和数据流算法等近似测量技术，通过自适应调整测量参数，控制测量资源的使用，实时地检测高速网络中的全息信息，并且保持具有可控制的测量精度。其次研究网络行为特征的数据自动聚类和建模，针对海量的管理数据，需要有一个有效的方法给管理员提供对网络性能有重要影响的数据，从宏观上掌握网络运行情况，研究反映网络总体行为状况的流量指标的聚类方法。由于聚类标识难以事先确定，研究根据网络流量实际情况和系统处理能力对数据进行实时、高速的自适应聚类技术。根据数据的分布性特征，研究基于分布式数据的聚类技术。研究数据的表示方法，随之网络规模的扩大和需要观测的测度数量的增加，研究从海量的数据中发现异常的数据或特征，研究图形化手段表示各种类型的数据特征。