ESTIMASI DATA HILANG PADA JARINGAN TRAFIK INTERNET MENGGUNAKAN METODE SRSVD

Sari

Data lalu lintas Jaringan terdiri dari Traffic Matrices (TMs), yang mewakili volume lalu lintas antara pasangan Asal dan
Tujuan (OD) dalam jaringan yang merupakan parameter input kunci dari tugas-tugas teknik jaringan. Kerangka estimasi
pergerakan yang besar dapat mengalami efek buruk dari kesalahan atau informasi yang hilang. Compressive sensing
merupakan filosofi untuk mengelola informasi yang hilang yang menggunakan kedekatan jenis struktur tertentu dan
kelebihan informasi dari berbagai kerangka asli. untuk mengelola informasi yang hilang yang menggunakan kedekatan
jenis struktur tertentu dan kelebihan informasi dari berbagai kerangka asli. Dalam penelitian sebelumnya, metode
penyisipan yang diusulkan untuk secara tepat membuat ulang kualitas yang hilang di TM dalam kaitannya dengan estimasi
tak lengkap. Dalam penelitian ini, meskipun banyak kemajuan terbaru dalam bidang compressive sensing, dengan
mengembangkan sparsity regularized SVD (SRSVD) menggunakan ℓ2-optimasi, teknik norma yang menemukan
peringkat rendah perkiraan dari TM yang menjelaskan sifat spasial TM nyata. Berdasarkan yang dapat digunakan untuk
mencari solusi SPL adalah konsisten dan solusi terbaik untuk mendekati SPL tidak konsisten dan SRSVD dapat digunakan
untuk menemukan invers pseudo dan peringkat matriks. Hasil analisis algoritma yang digunakan, penulis mampu
melakukan rekonstruksi hingga 98% dengan NMSE 3x10-3 lebih baik dari metode lain yang biasa digunakan dalam
proses interpolasi.
Kata Kunci : Lalu Lintas, Data Hilang, Estimasi, Compressive Sensing, Sparsity Regularized SVD (SRSVD).