A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters
Las series de tiempo de trafico multifractal de longitud finita disponibles para realizar pruebas de desempeño de los algoritmos de gestión, control y admisión, y evaluación del grado de servicio sobre modelos M/M/1 para sistemas de comunicación WAN/LAN son muy pocas y su recolección a través de los...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2016
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/6779
- Acceso en línea:
- http://hdl.handle.net/11349/6779
- Palabra clave:
- Espectro Multifractal
Parámetro de Hurst
Modelo Wavelet Multifractal
Cascada Binomial
Tráfico de Redes
Multifractal Spectrum
Hurst Parameter
Multifractal Wavelet Model
Binomial Cascade
Network Traffic
- Rights
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
id |
UDISTRITA2_8e11b5e9298a7721f3e0169c96219f13 |
---|---|
oai_identifier_str |
oai:repository.udistrital.edu.co:11349/6779 |
network_acronym_str |
UDISTRITA2 |
network_name_str |
RIUD: repositorio U. Distrital |
repository_id_str |
|
dc.title.spa.fl_str_mv |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
dc.title.titleenglish.spa.fl_str_mv |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
title |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
spellingShingle |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters Espectro Multifractal Parámetro de Hurst Modelo Wavelet Multifractal Cascada Binomial Tráfico de Redes Multifractal Spectrum Hurst Parameter Multifractal Wavelet Model Binomial Cascade Network Traffic |
title_short |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
title_full |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
title_fullStr |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
title_full_unstemmed |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
title_sort |
A Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parameters |
dc.contributor.advisor.spa.fl_str_mv |
López Chávez, Hans Igor |
dc.subject.spa.fl_str_mv |
Espectro Multifractal Parámetro de Hurst Modelo Wavelet Multifractal Cascada Binomial Tráfico de Redes |
topic |
Espectro Multifractal Parámetro de Hurst Modelo Wavelet Multifractal Cascada Binomial Tráfico de Redes Multifractal Spectrum Hurst Parameter Multifractal Wavelet Model Binomial Cascade Network Traffic |
dc.subject.keyword.spa.fl_str_mv |
Multifractal Spectrum Hurst Parameter Multifractal Wavelet Model Binomial Cascade Network Traffic |
description |
Las series de tiempo de trafico multifractal de longitud finita disponibles para realizar pruebas de desempeño de los algoritmos de gestión, control y admisión, y evaluación del grado de servicio sobre modelos M/M/1 para sistemas de comunicación WAN/LAN son muy pocas y su recolección a través de los mecanismos actuales es muy lenta debido a la cantidad de datos que se deben obtener. Por tanto, se hace necesario desarrollar una herramienta que sintetice trazas con características multifractales y que permita la configuración de sus parámetros estocásticos como su media, parámetro de Hurst, y ancho del espectro multifractal. El presente artículo describe el desarrollo de un algoritmo propuesto para generar series de tiempo de trafico multifractal de longitud finita con parámetro de Hurst y Ancho del espectro multifractal, muéstrales y ajustables, denominado MultiFractal Hurst Spectrum Width (MFHSW). El algoritmo MFHSW se basa en el modelo MultiFractal Hurst (MFH) y en el Modelo Wavelet Multifractal (MWM), para construir la serie de tiempo por medio de una cascada binomial multiplicativa, y ajustar el parámetro de Hurst y el ancho del espectro multifractal. La principal contribución del algoritmo MFHSW es permitir ajustar tanto el parámetro de Hurst como el ancho del espectro multifractal, lo cual se logra modificando adecuadamente las distribuciones beta que conforman la cascada binomial. En consecuencia el impacto que generar el desarrollo de un algoritmo para la generación de trazas con características multifractales será el de facilitar al investigador de un conjunto considerable de datos para la simulación y generación de escenarios de modelamiento de la red de datos. El algoritmo MFHW se comporta como un sistema experto al inferir la distribución de los coeficientes beta presentes en las escalas que conforman la cascada binomial a partir de los parámetros estocásticos configurados por el usuario, y obteniendo las correspondientes series de tiempo a través de un motor de inferencia. Para validar la efectividad del algoritmo se sintetiza una traza con parámetro de Hurst muestral y ancho del espectro multifractal similares a los que presenta una serie de tiempo de trafico de redes. El algoritmo MFHSW resulta ser una herramienta promisoria para el modelado de series de tiempo aplicable a diversos campos como la ingeniería de tráfico, las finanzas, las señales biomédicas, entre otras trazas reales con características multifractales. |
publishDate |
2016 |
dc.date.created.spa.fl_str_mv |
2016-07-22 |
dc.date.accessioned.none.fl_str_mv |
2017-10-05T19:34:43Z |
dc.date.available.none.fl_str_mv |
2017-10-05T19:34:43Z |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11349/6779 |
url |
http://hdl.handle.net/11349/6779 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.spa.fl_str_mv |
pdf |
institution |
Universidad Distrital Francisco José de Caldas |
bitstream.url.fl_str_mv |
http://repository.udistrital.edu.co/bitstream/11349/6779/3/TuberquiaDavidLuisMiguel2016.pdf.jpg http://repository.udistrital.edu.co/bitstream/11349/6779/1/TuberquiaDavidLuisMiguel2016.pdf http://repository.udistrital.edu.co/bitstream/11349/6779/2/license.txt |
bitstream.checksum.fl_str_mv |
286a35b720b5df59e7cc335e85c33b0f 4cfb0aa9b47d61488d9f8aee3ad05ca5 b204d61d4cc8bf0ee3a2b0e84c5755dd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Distrital - RIUD |
repository.mail.fl_str_mv |
repositorio@udistrital.edu.co |
_version_ |
1814110966073262080 |
spelling |
López Chávez, Hans IgorTuberquia David, Luis Miguel2017-10-05T19:34:43Z2017-10-05T19:34:43Z2016-07-22http://hdl.handle.net/11349/6779Las series de tiempo de trafico multifractal de longitud finita disponibles para realizar pruebas de desempeño de los algoritmos de gestión, control y admisión, y evaluación del grado de servicio sobre modelos M/M/1 para sistemas de comunicación WAN/LAN son muy pocas y su recolección a través de los mecanismos actuales es muy lenta debido a la cantidad de datos que se deben obtener. Por tanto, se hace necesario desarrollar una herramienta que sintetice trazas con características multifractales y que permita la configuración de sus parámetros estocásticos como su media, parámetro de Hurst, y ancho del espectro multifractal. El presente artículo describe el desarrollo de un algoritmo propuesto para generar series de tiempo de trafico multifractal de longitud finita con parámetro de Hurst y Ancho del espectro multifractal, muéstrales y ajustables, denominado MultiFractal Hurst Spectrum Width (MFHSW). El algoritmo MFHSW se basa en el modelo MultiFractal Hurst (MFH) y en el Modelo Wavelet Multifractal (MWM), para construir la serie de tiempo por medio de una cascada binomial multiplicativa, y ajustar el parámetro de Hurst y el ancho del espectro multifractal. La principal contribución del algoritmo MFHSW es permitir ajustar tanto el parámetro de Hurst como el ancho del espectro multifractal, lo cual se logra modificando adecuadamente las distribuciones beta que conforman la cascada binomial. En consecuencia el impacto que generar el desarrollo de un algoritmo para la generación de trazas con características multifractales será el de facilitar al investigador de un conjunto considerable de datos para la simulación y generación de escenarios de modelamiento de la red de datos. El algoritmo MFHW se comporta como un sistema experto al inferir la distribución de los coeficientes beta presentes en las escalas que conforman la cascada binomial a partir de los parámetros estocásticos configurados por el usuario, y obteniendo las correspondientes series de tiempo a través de un motor de inferencia. Para validar la efectividad del algoritmo se sintetiza una traza con parámetro de Hurst muestral y ancho del espectro multifractal similares a los que presenta una serie de tiempo de trafico de redes. El algoritmo MFHSW resulta ser una herramienta promisoria para el modelado de series de tiempo aplicable a diversos campos como la ingeniería de tráfico, las finanzas, las señales biomédicas, entre otras trazas reales con características multifractales.The available multifractal traffic finite-length time series to implement performance test of the management, control and admission algorithms, and level of service about M/M/1 models for WAN/LAN communication systems are very few and their recollection through current mechanisms is very slow due to the amount of data that must be obtained. Hence, it is necessary to develop a tool which synthesizes traces with multifractal features and allows the stochastic parameters configuration as its average, Hurst parameter and, multifractal spectrum width. This article describes the development of a proposed algorithm to generate multifractal traffic finite-length time series with a Hurst parameter and the multifractal spectrum width, sampling and adjustable, called MultiFractal Hurst Spectrum Width (MFHSW). The MFHSW algorithm is based on the MultiFractal Hurst model (MFH) and on the Multifractal Wavelet Model (MWM), to construct the time series through a binomial multiplicative cascade. The main contribution of the MFHSW algorithm is to allow adjusting both the Hurst parameter and the multifractal spectrum width, the aforementioned is achieved by appropriately modifying the beta distributions that conform the binomial cascade. Consequently, the impact developed by the algorithm to the trace generation with multifractal features will be the improvement in the simulation and data network modeling. The MFHW algorithm behaves as an expert system when inferring to distribution of the beta coefficients present in the scales that make part of the binomial cascade starting from the stochastic parameters configured by the user, and obtaining the corresponding time series through an inference engine. To validate the algorithm effectiveness, a trace with the Hurst parameter sampling and the multifractal spectrum width similar to the presented in a network traffic time series are synthetized. The MFHSW happens to be a promising tool for the modeling of time series applicable to diverse fields as the traffic engineering, finances, biomedical signals, among other real traces with multifractal features.Centro de Investigaciones de la Universidad DistritalpdfspaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Abierto (Texto Completo)http://purl.org/coar/access_right/c_abf2Espectro MultifractalParámetro de HurstModelo Wavelet MultifractalCascada BinomialTráfico de RedesMultifractal SpectrumHurst ParameterMultifractal Wavelet ModelBinomial CascadeNetwork TrafficA Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable ParametersA Multifractal Wavelet Model for the Generation of Lrd Traffic Traces With Adjustable Parametersinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fTHUMBNAILTuberquiaDavidLuisMiguel2016.pdf.jpgTuberquiaDavidLuisMiguel2016.pdf.jpgIM Thumbnailimage/jpeg17763http://repository.udistrital.edu.co/bitstream/11349/6779/3/TuberquiaDavidLuisMiguel2016.pdf.jpg286a35b720b5df59e7cc335e85c33b0fMD53open accessORIGINALTuberquiaDavidLuisMiguel2016.pdfTuberquiaDavidLuisMiguel2016.pdfTrabajo de Gradoapplication/pdf2390494http://repository.udistrital.edu.co/bitstream/11349/6779/1/TuberquiaDavidLuisMiguel2016.pdf4cfb0aa9b47d61488d9f8aee3ad05ca5MD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-85896http://repository.udistrital.edu.co/bitstream/11349/6779/2/license.txtb204d61d4cc8bf0ee3a2b0e84c5755ddMD52open access11349/6779oai:repository.udistrital.edu.co:11349/67792023-06-13 11:56:37.286open accessRepositorio Institucional Universidad Distrital - RIUDrepositorio@udistrital.edu.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 |