جشنواره عید تا عید تخفیف‌های محصولات غنی فایل آغاز شد.مشاهده جشنواره

مشاهده دسته بندی بستن دسته بندی
امروز
سه شنبه 5 مهر 1401
جزئیات محصول پرسش و پاسخ پشتیبانی این محصول

توضیحات محصول

تذکر مهم : برای دانلود تحقیق اندازه گیری ترافیک و سایر مطالب سایت نسبت به خرید اشتراک ویژه اقدام نمایید. پس از خرید اشتراک ویژه به تمامی مطالب سایت دسرسی رایگان خواهید داشت.

 

 

در این پست از سایت غنی فایل، تحقیق اندازه گیری ترافیک    را برای شما قرار داده ایم.

این تحقیق که  درباره اندازه گیری ترافیک و سنی ب جدید هست هست ، در قالب فایل ورد word و قابل ویرایش اماده خرید و دانلود می باشد.

در ادامه توضیحات تکمیلی این تحقیق  رشته علوم اجتماعی و ارتباطات هست  را مشاهده می نمایید.

تعداد صفحات: 50صفحه.

فرمت فایل: word ورد و قابل ویرایش.

موضوع: تحقیق و پایان نامه دراباره اندازه گیری ترافیک و مقایسه سنتی و جدید .

برای دانلود فهرست این تحقیق که درباره ترافیک   هست بر روی لینک زیر کلیک کنید

 

 

تکه ای از این تحقیق.

فصل3

خواص فرآيندهاي خودمتشابه

در اين بخش خواصي از فرآيند هاي خودمتشابه را بررسي ميکنيم که نقش مهمي در مدل سازي ترافيک شبکه در قسمتهاي بعد دارد.

3-1وابستگي طولاني برد

پس از تعريف فرآيند LRD در بخش قبل ملاحظه کرديم که نتيجه مستقيم تعريف اين است که. اين جمع ناپذيري خودهمبستگي، مفهوم اين نام را مشخص ميکند و آن، اين است که با اينکه خودهمبستگي هاي با تاخير زياد به تنهايي کوچک هستند، اما اثر جمعي آنها زياد است. اين خود موجب خواصي در فرآيند ميشود که به خواص فرآيند هاي معمولي يعني فرآيند هاي با وابستگي کوتاه برد   تفاوت  دارد. در فرآيند هاي با وابستگي کوتاه برد، نزول خودهمبستگي به صورت نمايي است.يعني به شکل با که باعث ميشود خودهمبستگي آن جمع پذير باشد:

هنگامي که در حوزه فرکانس کارميکنيم، خاصيت LRD خود را به صورت رفتار مطابق قانون توان در نزديکي مبدأ نشان ميدهد. ديديم براي تابع چگالي طيف توان ، رابطه زير معادل تعريف LRD است:

(3-1)                                  

که در آن  و  يک تابع با تغييرات کند است.يعني  با نزديک شدن به مبدأ واگرا ميشود. در صورتي که براي فرايند هاي SRD، تابع چگالي طيف در مبدأ مثبت و کراندار است.

 

3-2.اثر هارست[1]

از نظر تاريخي، اهميت فرآيند هاي خودمتشابه به دليل بروز رفتاري از آنها بوده است که به قانون يا اثر هارست معروف است. به طور خلاصه اين اثر چنين است: براي مشاهدات  با ميانگين  و واريانس ، آماره  اينگونه تعريف ميشود:

(3-2)                  

که در آن:

(3-3)                            

هارست متوجه شد که براي سري هاي زماني خودمتشابه با پارامتر هارست ، رابطه زير برقرار است:

(3-4)                                

که در آن  يک ثابت مثبت و مستقل از  است. در حالي که اگر مشاهدات مربوط به يک فرآيند SRD باشد، خواهيم داشت:

(3-5)                               

که مجدداً  يک ثابت مثبت و مستقل از  است. اين تفاوت به اثر هارست معروف است. از اين اثر ميتوان در تحليل هاي آماري براي شناخت فرآيند هاي LRD و تخمين  آنها استفاده کرد.

 

3-3.نزول آهسته واريانس

از ديدگاه آماري، مهمترين خاصيت فرآيند هاي خودمتشابه اين است که واريانس ميانگين هاي آماري آن آهسته تر از معکوس سايز نمونه ها نزول ميکند.يعني با نرخ     با، به جاي. درواقع ديديم براي فرآيند هاي LRD، خاصيت زير برقرار است:

(3-6)                                

که در آن  ثابتي مثبت و مستقل از   و  است. اين پارامتر  با پارامتر هارست اينگونه رابطه دارد:

(3-7)                                            

از طرفي ديگر، براي فرآيند هاي SRD مانند پواسن يا برنولي داريم:

(3-8)                                

که در آن  ثابتي مثبت و مستقل از  است.از اين خاصيت ميتوان در تحليل آماري ترافيک و تشخيص خاصيت خودشباهتي در آن استفاده کرد.

شکل 3-1 تفاوت نمودار واريانس زمان براي انواع ترافيک

 

 

[1]

نتيجه گيري و پيشنهادات

در پايان نامه حاضر تفاوتهاي مدل جديد خودمتشابه را با مدلهاي متداول سنتي مانند پواسون ملاحظه کرديم و ديديم چگونه مدل خودمتشابه خواص آماري سيگنالهاي ترافيک داده را بهتر توصيف ميکند.

لذا اين مدل ها امروزه در طراحي شبکه ها و تحليل کارايي آنها به طور گسترده مورد استفاده قرار گرفته اند و مدل هاي استاندارد قديمي ديگر جوابگوي نياز هاي طراحي و تحليل نيستند. به طور خاص، در کاربرد هايي که به تضمين کيفيت خدمات براي ترافيکهاي خاص مانند ترافيک هاي چند رسانه اي نياز است، استفاده از اين مدلهاي جديد، اجتناب ناپذير است.


براي شبيه سازي شبکه ها پيش از طراحي، نياز به شبيه سازي ترافيک با خاصيت خودشباهتي و ديگر خواص مربوط به مدل جديد ترافيک است.

لذا ما به الگوريتم هايي نيازمنديم که ترافيکي با اين خواص ( حداقل تا حدودي) توليد کنند. ديديم که دو روش ارائه شده تا حدود خوبي اين کار را ميکرد. نيز با مشاهده نتايج شبيه سازي ها و مقايسه آنها با ترافيک واقعي، صحت اين الگوريتم ها را مشاهده کرديم. بسته به نياز ها و دقت مورد نظر ميتوان از هر کدام از اين روشها در طراحي و يا تحليل استفاده کرد.
روشهاي ديگري نيز براي توليد ترافيک خودمتشابه موجود است. اخيراً روشهاي مطرح شده است که در آنها با استفاده از توزيع هاي با دنباله سنگين، ترافيک خود متشابه توليد ميشود. اين روش ها دقت بالاتري دارند و خاصيت ذاتي چندلايه اي بودن ترافيک شبکه را بهتر نشان ميدهند. براي کارهاي بعدي ميتوان اين دست روشها را  بررسي کرد و يا توسعه داد.

 

 

موضوع:  تحقیق اندازه گیری ترافیک ی     .

-------------

با عضویت در یاس سل، فایل های خود را بفروشید و کسب درآمد کنید