مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

69
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

14
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارایه روش ترکیبی برای شناسایی و طبقه بندی ترافیک در شبکه های بی سیم

صفحات

 صفحه شروع 31 | صفحه پایان 41

چکیده

 استفاده از رویکرد اقتضایی با بهره­گیری از ویژگی­هایی از جمله مدیریت توزیع یافته بین گره­ها, تسهیل در امر ورود و خروج آن ها به شبکه و امکان تحرک بهتر, یکی از گزینه­های مطلوب جهت پیکربندی شبکه­های بی­سیم می­باشد. همین امر موجب تولید ترافیک با رفتار پوی توسط نرم­افزارهای کاربردی در چنین شبکه­هایی می­شود که مسئله مدیریت شبکه و کنترل ترافیک بین گره­های را تحت تأثیر خود قرار می­دهد. شناسایی و طبقه­بندی ترافیک جاری در شبکه می­تواند کمک شایانی به این چالش در شبکه­های بی­سیم کند. از آنجا که روش­های مرسوم شناسایی و طبقه­بندی ترافیک قادر به ارائه عملکرد مناسب با چنین ترافیک­هایی نیستند بنابراین استفاده از روش­های مبتنی بر یادگیری ماشین می­تواند برای بهبود طبقه­بندی ترافیک به کارگرفته شوند. از آنجا که حساسیت بالا جهت یافتن ترافیک­هایی خاص نیازمند افزایش احتمال آشکارسازی و عدم ارائه تصمیم اشتباه نیازمند کاهش هشدار غلط در سامانه می­باشد, بنابراین در این مقاله روشی جدید جهت افزایش دقت و بهره­وری در شناسایی وطبقه­بندی ترافیک در شبکه­های بی­سیم اقتضایی ارائه می­شود که مبتنی بر ترکیب هدفمند روش­های یادگیری ماشین می­باشد. نتایج نشان می­دهند که روش ارائه شده علاوه بر بهبود معیارهای ارزیابی طبقه­بندی کننده ترافیک موجب افزایش احتمال آشکارسازی و کاهش نرخ هشدار غلط به نسبت به کارگیری روش­های یادگیری ماشین به صورت یکتا می­باشد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button