流量预估与反馈的网络通信协议优化

流量数据异常的有效反馈机制

使用二次优化训练集可以增强网络流量异常分类的有效性，其可以获取处于分类边缘的数据节点集。数据节点集包括有效流量异常和无效流量异常节点。有效流量异常节点可以按照一定的规律划分到某种类别中。无效的流量异常节点无法按照一定的规律进行分类。无效流量异常节点向量集H与有效流量异常节点向量集L的关系为H垲L。利用增量学习方法对有效流量异常节点进行分析，可以完成对网络流量异常的分类。而反馈学习可以同时对有效流量异常节点以及无效流量异常节点进行分类，排除了误分类的不利影响，得到新的流量异常分类模型''''和流量异常向量集H''''。

流量边界异常的判断判断流量边界异常算法的过程为：先设置网络流量异常判断函数，再依据网络流量异常录属度大小对网络流量异常进行分类。依据网络流量异常特征与类特征中心间的距离大小作为分类的标准，可以评判网络流量异常对分类的作用大小。对流量异常种类进行划分，分析相应的种类分布情况，发现其具有特殊性，与正常的流量异常种类分类方法不同，并且完成了对无效流量异常节点进行种类划分。通过上述方法获取的流量异常集E可以作为反馈的数据源，同时要求反馈网络流量异常集和原模型的正常网络流量异常集同时参加相应的运算。大量的网络流量异常会参与到正常的网络流量异常的分类过程中，少量的流量异常停滞在流量异常集Z中，不能参与分类，最终会降低能量异常模型分类的有效率。因而，对网络流量异常进行反馈学习时，预先要分析该反馈网络流量异常情况，确保模型的有效性。

流量异常的反馈完成对流量异常的分类和优化后，构建路径拥塞反馈体系，具体描述如下：进行数据传输时，可以使用反馈路径的信息反映路径当前的流通状态。路径的通畅度用描述，数据运行时间标准用p描述，数据的运行耗时用q描述。v取值大于0。若数据运行未在既定的时间内完成，则路径的通畅程度v=1，即路径堵塞，此时需要选择其它路径。假设数据运行在既定的时间内完成，则按照三种状态进行分析：（1）若p=q，则路径在既定时间内完成数据的传输，说明路径的通畅度普通；（2）若q＜p，则路径在既定的时间内，提前完成数据的传输，说明路径的通畅度特别好；（3）若q＞p，则路径未在既定的时间内完成数据的传输，即v＜1，说明路径的通畅度不理想。若p为常数，则随着q的取值不断增大，的取值不断减少。式中，U表示惩罚系数，一般取值为-1.4。构建路径拥塞反馈体系，可以解决由于传输路径阻塞不能及时传输数据的缺陷，且网络中的后续数据可以选择上次最优传输路径，最终增强了网络数据传输的效率。按照以上分析的方法，先依据路径相关参数，得到最短路径，在对最短路径进行优化处理，得到路径中的实时信息，进而，改进最优路径，构建路径拥塞反馈体系。数据在进行传输时，如果出现路径不顺畅情况，则及时将信号反馈到原始位置，确保后续数据选择最佳路径，进而提高获取最优路径的几率，增强网络数据传递效率。

实验结果及对比

为了对本文提出模型的效果进行拟合和检验，进行计算机仿真实验。实验的步骤如下：

数据平稳化处理初始网络流量数据具有随机性，是波动序列。本文使用取方差分析方法对初始流量数据进行稳定化操作。

网络流量的预测选取50个固定节点场景，分别使用本文提出的基于流量预估与反馈方法与传统的AODV方法对节点数据进行传递，获取的相关性能参数结果用图4描述。其中，50个路由节点随机分布在6000m×6000m区域内。使用指数分布方法划分传递分组的大小，其中最小分组大小是1164bit。节点形成的分组时间间隔满足指数分布，最小时间间隔是2s，在仿真开始60s后，节点开始进行分组。本文方法下的网络延时明显降低，吞吐率明显升高，丢包率降低了，采用本文方法的网络传输的可靠性得到提高。本文提出了一种基于流量预估与反馈的网络通信协议优化研究，通过对当前通信协议中，加入对流量预估与阻塞反馈机制，反馈网络中的流量异常变化，利用流量驱动进行调节，完成对网络通信协议优化。后期的计算机仿真实验表明，该方法在网络信息通信的各项指标都取得了较好的效果，应用性较强，随着网络技术的不断发展，本文的方法将显示出更为重要的实际意义。

作者：张世民单位：淄博职业学院