МЕТОД ВИЗНАЧЕННЯ ІМОВІРНІСНИХ ХАРАКТЕРИСТИК ТРАФІКА СИСТЕМИ МОНІТОРИНГУ СТАНУ УРАЖЕНИХ ОБ’ЄКТІВ
Ключові слова:
моніторинг, трафік, уражений об’єкт, функція щільності розподілу, мажоранта
Анотація
Актуальність. Через суттєву нерівномірність вхідного трафіка системи моніторингу стану уражених об’єктів виникає необхідність здійснення швидкого короткочасного прогнозу поведінки трафіка по невеликій кіль кості відліків, тобто визначення його основних ймовірнісних характеристик. Мета статті: розробка методу, що дозволяє провести оцінку функції щільності розподілу трафіка системи моніторингу стану уражених об’єктів, використовуючи задану вибірку, розширену мажорантою функції розподілу, і порівняти цей метод з тими, що існують, при різних варіантах формування мережного трафіка.. Отримані результати. побудована мажоранта функції розподілу трафіка по його поточних відліках; запропонована оцінка функції щільності розподілу трафіка; проведений порівняльний аналіз отриманої оцінки функції щільності розподілу трафіка. Висновок. Запропонований метод дає точнішу і стійкішу оцінку, ніж існуючі методи. Він є ефективнішим при аналізі трафіка з тривалими пульсаціями, а також трафіка з довготривалою залежністю, що притаманний центру обробки даних моніторингу стану уражених об’єктів.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Sofina, Natalia; Ehlers, Manfred; Michel, Ulrich. Object-based detection of destroyed buildings based on remotely sensed data and GIS. The International Society for Optical Engineering, 2011, vol. 8181, 87385/ DOI: https://doi.org/10.1117/12.898469
2. Davydov, Boris, Chebotarev, Vladimir, Kablukova, Kseniya. Evolution of Probabilistic Characteristics in the Train Traffic Process. Lecture Notes in Networks and Systems, 2022, Vol. 352, pp. 101–109. DOI: https://doi.org/10.1007/978-3-030-91156-0_8
3. Татарнікова, Т. М., Вольський A. В. Оцінка можливо-часових характеристик мережних вузлів з диференціацією трафіка. Інформаційно-керуючі системи, 2018, № 3(94), pp. 54–60.
4. Кучук Г. А. Метод оценки характеристик АТМ-трафика. Інформаційно-керуючі системи на залізничному транспорті. 2003. № 6 (44). С. 25-29.
5. Vapnik V. Estimation of Dependences based on Empirical Data. N.-Y., Berlin : Springer – Verlag, 1987. 326 p.
6. Silverman B.W. Choosing the window wiolth when estimating a density. Biotechnika. 1988. V. 65, № 1. P. 1–11.
7. Xing, Viktoria. Dynamical Borel-Cantelli lemmas. Discrete and Continuous Dynamical Systems, 2022, Vol. 41, Is. 4, pp. 1737– 1754. DOI: https://doi.org/10.3934/dcds.2020339
8. . Svyrydov, A., Kuchuk, H., Tsiapa, O. (2018), “Improving efficienty of image recognition process: Approach and case study”, Proceedings of 2018 IEEE 9th International Conference on Dependable Systems, Services and Technologies, DESSERT 2018, pp. 593-597, DOI: http://dx.doi.org/10.1109/DESSERT.2018.8409201
9. Eramili A., Narayan, O., Willinger W. Experimental queuing analyzes with long-range dependent packet traffic. IEEE/ACM Transactions on Networking. 1996. V.4. P. 209–223.
10. Kovalenko, А., Kuchuk H. Methods for synthesis of informational and technical structures of critical application object’s control system, Advanced Information Systems, 2018, Vol. 2, No. 1, pp. 22–27. DOI: https://doi.org/10.20998/2522-9052.2018.1.04
11. Moraes, Caroline P.A., Fantinato, Denis G., Neves, Aline. Epanechnikov kernel for PDF estimation applied to equalization and blind source separation. Signal Processing, 2021, Vol. 189, 108251. DOI: https://doi.org/10.1016/j.sigpro.2021.108251
2. Davydov, Boris, Chebotarev, Vladimir, Kablukova, Kseniya. Evolution of Probabilistic Characteristics in the Train Traffic Process. Lecture Notes in Networks and Systems, 2022, Vol. 352, pp. 101–109. DOI: https://doi.org/10.1007/978-3-030-91156-0_8
3. Татарнікова, Т. М., Вольський A. В. Оцінка можливо-часових характеристик мережних вузлів з диференціацією трафіка. Інформаційно-керуючі системи, 2018, № 3(94), pp. 54–60.
4. Кучук Г. А. Метод оценки характеристик АТМ-трафика. Інформаційно-керуючі системи на залізничному транспорті. 2003. № 6 (44). С. 25-29.
5. Vapnik V. Estimation of Dependences based on Empirical Data. N.-Y., Berlin : Springer – Verlag, 1987. 326 p.
6. Silverman B.W. Choosing the window wiolth when estimating a density. Biotechnika. 1988. V. 65, № 1. P. 1–11.
7. Xing, Viktoria. Dynamical Borel-Cantelli lemmas. Discrete and Continuous Dynamical Systems, 2022, Vol. 41, Is. 4, pp. 1737– 1754. DOI: https://doi.org/10.3934/dcds.2020339
8. . Svyrydov, A., Kuchuk, H., Tsiapa, O. (2018), “Improving efficienty of image recognition process: Approach and case study”, Proceedings of 2018 IEEE 9th International Conference on Dependable Systems, Services and Technologies, DESSERT 2018, pp. 593-597, DOI: http://dx.doi.org/10.1109/DESSERT.2018.8409201
9. Eramili A., Narayan, O., Willinger W. Experimental queuing analyzes with long-range dependent packet traffic. IEEE/ACM Transactions on Networking. 1996. V.4. P. 209–223.
10. Kovalenko, А., Kuchuk H. Methods for synthesis of informational and technical structures of critical application object’s control system, Advanced Information Systems, 2018, Vol. 2, No. 1, pp. 22–27. DOI: https://doi.org/10.20998/2522-9052.2018.1.04
11. Moraes, Caroline P.A., Fantinato, Denis G., Neves, Aline. Epanechnikov kernel for PDF estimation applied to equalization and blind source separation. Signal Processing, 2021, Vol. 189, 108251. DOI: https://doi.org/10.1016/j.sigpro.2021.108251
Опубліковано
2022-11-29
Як цитувати
Mykus S. Метод визначення імовірнісних характеристик трафіка системи моніторингу стану уражених об’єктів / S. Mykus, S. Vasyukhno // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2022. – Т. 4 (70). – С. 104-107. – doi:https://doi.org/10.26906/SUNZ.2022.4.104.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
