基于多分辨率RPCA的互联网流量矩阵结构分析
网络与互联网体系结构
2015-06-29 v2
摘要
互联网流量矩阵在网络运营与管理中起着重要作用，因此，对该高维流量数据集的不同流量分量进行分解的流量矩阵结构分析，对某些网络应用极具价值。本研究基于鲁棒主成分分析（Robust Principal Component Analysis, RPCA）理论，提出了一种利用小波多分辨率分析的新型流量矩阵结构分析方法，称为多分辨率RPCA（Multi-Resolution RPCA）。首先，我们建立了多分辨率流量矩阵分解模型（MR-TMDM），该模型通过小波系数刻画确定性流量的平滑性。其次，基于此模型，我们改进了稳定主成分追踪（SPCP），提出一种带多分辨率约束的名为SPCP-MRC的新流量矩阵分解方法，并设计了其数值算法。具体地，我们给出并证明了该算法中一个子问题的闭式解。最后，我们通过多组包含不同异常类型和不同噪声水平的模拟流量矩阵，对不同的流量分解方法进行了评估。结果表明，与其他方法相比，SPCP-MRC实现了更精确、更合理的流量分解。
引用
@article{arxiv.1506.04352,
title = {Internet Traffic Matrix Structural Analysis Based on Multi-Resolution RPCA},
author = {Zhe Wang and Kai Hu and Baolin Yin},
journal= {arXiv preprint arXiv:1506.04352},
year = {2015}
}
备注
18 pages, in Chinese. This unpublished manuscript is an improvement on our previous papers in references [12] and [13]