童琳+++郭尚瓒+++孙斌

【 摘 要 】 网络速度正常范围与异常范围边界的判定问题是一个亟需解决的关键问题。由于数据的无标签特性，该问题适合采用无监督学习方法来解决。但由于各自的缺点与局限性，常见的聚类方法不适合直接应用于该判定问题。因此，文章基于无监督学习中的划分K-Means聚类与层次聚类方法，并进行了一定的结合与改进，提出了一种基于联合聚类方法的应用于网速正常范围判定问题的方案。经实验证明，文中的方案有效地实现了针对不同目标网速正常范围的自动发掘。

【 关键词 】 网速；范围判定；划分聚类；层次聚类；预定义规则 【 中图分类号 】 TP393

1 引言

随着互联网的快速发展，越来越多的网民开始关心网络的拥塞状况，同时，网络速度也揭示了网络的构建与布局的合理性，因此对网速的测定成为一个越来越重要的问题。伴随测速问题而来的另一问题，就是网络速度正常范围与异常范围边界的判定问题。通过该边界值，可以更好地体现当前网络是否拥塞。一般情况下，统一的的阈值并不能很好地体现当前网络的运行情况。例如国内的主机对于两个不同站点：百度（www.baidu.com）和谷歌（www.google.com.hk）的访问速度并不相同，通常访问百度的速度明显高于访问谷歌的速度，此种情况下，若设置相同的阈值作为正常网速与低网速的边界判定标准显然并不合适。因此，在该问题中，需要针对具体的判定对象，结合它的历史数据得到符合它自身标准的范围边界值。……