This book investigates compressive sensing techniques to provide a robust and general framework for network data analytics. The goal is to introduce a compressive sensing framework for missing data interpolation, anomaly detection, data segmentation and activity recognition, and to demonstrate its benefits. Chapter 1 introduces compressive sensing, including its definition, limitation, and how it supports different network analysis applications. Chapter 2 demonstrates the feasibility of compressive sensing in network analytics, the authors we apply it to detect anomalies in the customer care call dataset from a Tier 1 ISP in the United States. A regression-based model is applied to find the relationship between calls and events. The authors illustrate that compressive sensing is effective in identifying important factors and can leverage the low-rank structure and temporal stability to improve the detection accuracy. Chapter 3 discusses that there are several challenges in applying compressive sensing to real-world data. Understanding the reasons behind the challenges is important for designing methods and mitigating their impact. The authors analyze a wide range of real-world traces. The analysis demonstrates that there are different factors that contribute to the violation of the low-rank property in real data. In particular, the authors find that (1) noise, errors, and anomalies, and (2) asynchrony in the time and frequency domains lead to network-induced ambiguity and can easily cause low-rank matrices to become higher-ranked. To address the problem of noise, errors and anomalies in Chap. 4, the authors propose a robust compressive sensing technique. It explicitly accounts for anomalies by decomposing real-world data represented in matrix form into a low-rank matrix, a sparse anomaly matrix, an error term and a small noise matrix. Chapter 5 addresses the problem of lack of synchronization, and the authors propose a data-driven synchronization algorithm.It can eliminate misalignment while taking into account the heterogeneity of real-world data in both time and frequency domains. The data-driven synchronization can be applied to any compressive sensing technique and is general to any real-world data. The authors illustrates that the combination of the two techniques can reduce the ranks of real-world data, improve the effectiveness of compressive sensing and have a wide range of applications.

The networks are constantly generating a wealth of rich and diverse information. This information creates exciting opportunities for network analysis and provides insight into the complex interactions between network entities. However, network analysis often faces the problems of (1) under-constrained, where there is too little data due to feasibility and cost issues in collecting data, or (2) over-constrained, where there is too much data, so the analysis becomes unscalable. Compressive sensing is an effective technique to solve both problems. It utilizes the underlying data structure for analysis. Specifically, to solve the under-constrained problem, compressive sensing technologies can be applied to reconstruct the missing elements or predict the future data. Also, to solve the over-constraint problem, compressive sensing technologies can be applied to identify significant elements

To support compressive sensing in network data analysis, a robust and general framework is needed to support diverse applications. Yet this can be challenging for real-world data where noise, anomalies and lack of synchronization are common. First, the number of unknowns for network analysis can be much larger than the number of measurements. For example, traffic engineering requires knowing the complete traffic matrix between all source and destination pairs, in order to properly configure traffic and avoid congestion. However, measuring the flow between all source and destination pairs is very expensive or even infeasible. Reconstructing data from a small number of measurements is an underconstrained problem. In addition, real-world data is complex and heterogeneous, and often violate the low-level assumptions required by existing compressive sensing techniques. These violations significantly reduce the applicability and effectiveness of existing compressive sensing methods. Third, synchronization of network data reduces the data ranks and increases spatial locality. However, periodic time series exhibit not only misalignment but also different frequencies, which makes it difficult to synchronize data in the time and frequency domains.

The primary audience for this book is data engineers, analysts and researchers, who need to deal with big data with missing anomalous and synchronization problems. Advanced level students focused on compressive sensing techniques will also benefit from this book as a reference.

�ber die Autorin bzw. den Autor

Guangtao Xue (IEEE M'11) received the Ph.D. degree from the Department of Computer Science and Engineering, Shanghai Jiao Tong University, China, in 2004. He is currently a Professor with the Department of Computer Science and Engineering, Shanghai Jiao Tong University. His research interests include vehicular ad hoc networks, wireless networks, mobile computing, and distributed computing. He is a member of the IEEE Computer Society and the IEEE Communication Society.

Yi-Chao Chen (IEEE M'16) received his Ph.D. in Computer Science at the University of Texas at Austin in 2015, and B.S. and M.S. in the Department of Computer Science and Information Engineering at National Taiwan University in 2004 and 2006, respectively. He is a tenure-track Associate Professor in the Department of Computer Science and Engineering at Shanghai Jiao Tong University. His research interests focus on networked systems and span the areas of wireless networking, network measurement and analytics, and mobile computing. He is a member of the IEEE Computer and IEEE Communication Society.

Feng Lyu (IEEE S'16-M'18) received the Ph.D. degree from the Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China, in 2018 and the B.S. degree in software engineering from Central South University, Changsha, China, in 2013. From September 2018 to December 2019 and from October 2016 to October 2017, he was a Postdoctoral Fellow and a Visiting Ph.D. Student with BBCR Group, Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada. He is currently a Professor with the School of Computer Science and Engineering, Central South University, Changsha, China. His research interests include vehicular networks, beyond 5G networks, big data measurement and application design, and could or edge computing.

Minglu Li (IEEE M'08-SM'19) received the Ph.D. degree from Shanghai Jiao Tong University, China, in 1996. He is currently a Distinguished Professor with the College of Mathematics and Computer Science, Zhejiang Normal University, China, and a Professor with the Department of Computer Science and Engineering, Shanghai Jiao Tong University. His main research topics include cloud computing, image processing, and e-commerce.

��ber diesen Titel� kann sich auf eine andere Ausgabe dieses Titels beziehen.

Anbieterinformationen

GreatBookPrices.com is your top source for finding new books at the absolute lowest prices, guaranteed ! We offer big discounts - everyday - on millions of titles in virtually any category, from Architecture to Zoology -- and everything in between. Discover great deals and super-savings, on professional books, text book titles, the newest computer guides, or your favorite fiction authors. You'll find it all - at HUGE SAVINGS - at GreatBookPrices. Browse through our complete online product catalog today. Serving customers around the world for years, we help thousands find just the books they're looking for -- at incredibly low, bargain prices.

Zur Homepage des Verk�ufers

Unternehmensdaten des Verk�ufers

Far Corner Europe Limited
19-20 Bourne Court, 19-20 Bourne Court, Woodford Green, IG8 8HD, United Kingdom

Gesch�ftsbedingungen und Versandinformationen

Verkaufsbedingungen

Company Name: GreatBookPricesUK
Legal Entity: Far Corner Europe Limited
Address: 19-20 Bourne Court, Southend Road, Woodford Green Essex, UK IG8 8HD
Registration #: 10691061
Authorized representative: Danielle Hainsey

Widerrufsbelehrung

Wenn Sie Verbraucher sind, steht Ihnen ein Widerrufsrecht nach folgender Ma�gabe zu. Verbraucher ist jede nat�rliche Person, die ein Rechtsgesch�ft zu Zwecken abschlie�t, die �berwiegend weder ihrer gewerblichen noch ihrer selbst�ndigen beruflichen T�tigkeit zugerechnet werden k�nnen.

WIDERRUFSBELEHRUNG

Widerrufsrecht

Sie haben das Recht, binnen vierzehn Tagen ohne Angabe von Gr�nden diesen Vertrag zu widerrufen.

Die Widerrufsfrist betr�gt vierzehn Tage ab dem Tag, an dem Sie oder ein von Ihnen benannter Dritter, der nicht der Bef�rderer ist, die letzte Ware oder die letzte Teilsendung bzw. das letzte St�ck in Besitz genommen haben bzw. hat.

Um Ihr Widerrufsrecht auszu�ben, m�ssen Sie uns, GreatBookPricesUK, Willow Farm Business Park, DE74 2TW, Castle Donington, Derby, United Kingdom, +1 410-964-0026, mittels einer eindeutigen Erkl�rung (z.B. ein mit der Post versandter Brief, Telefax oder E-Mail) �ber Ihren Entschluss, diesen Vertrag zu widerrufen, informieren. Sie k�nnen daf�r das beigef�gte Muster-Widerrufsformular verwenden, das jedoch nicht vorgeschrieben ist. Sie k�nnen auch eine andere eindeutige Erkl�rung auf der Webseite "Meine Bestellungen" in Ihrem "Nutzerkonto" elektronisch ausf�llen und �bermitteln. Machen Sie von dieser M�glichkeit Gebrauch, so werden wir Ihnen unverz�glich (z. B. per E-Mail) eine Best�tigung �ber den Eingang eines solchen Widerrufs �bermitteln. Zur Wahrung der Widerrufsfrist reicht es aus, dass Sie die Mitteilung �ber die Aus�bung des Widerrufsrechts vor Ablauf der Widerrufsfrist absenden.

Folgen des Widerrufs

Wenn Sie diesen Vertrag widerrufen, haben wir Ihnen alle Zahlungen, die wir von Ihnen erhalten haben, einschlie�lich der Lieferkosten (mit Ausnahme der zus�tzlichen Kosten, die sich daraus ergeben, dass Sie eine andere Art der Lieferung als die von uns angebotene, g�nstigste Standardlieferung gew�hlt haben), unverz�glich und sp�testens binnen vierzehn Tagen ab dem Tag zur�ckzuzahlen, an dem die Mitteilung �ber Ihren Widerruf dieses Vertrags bei uns eingegangen ist. F�r diese R�ckzahlung verwenden wir dasselbe Zahlungsmittel, das Sie bei der urspr�nglichen Transaktion eingesetzt haben, es sei denn, mit Ihnen wurde ausdr�cklich etwas anderes vereinbart; in keinem Fall werden Ihnen wegen dieser R�ckzahlung Entgelte berechnet. Wir k�nnen die R�ckzahlung verweigern, bis wir die Waren wieder zur�ckerhalten haben oder bis Sie den Nachweis erbracht haben, dass Sie die Waren zur�ckgesandt haben, je nachdem, welches der fr�here Zeitpunkt ist. Sie haben die Waren unverz�glich und in jedem Fall sp�testens binnen vierzehn Tagen ab dem Tag, an dem Sie uns �ber den Widerruf dieses Vertrags unterrichten, an GreatBookPricesUK, Willow Farm Business Park, Returns Ref: [transaction or order number], DE74 2TW, Castle Donington, Derby, United Kingdom, +1 410-964-0026, zur�ckzusenden oder zu �bergeben. Die Frist ist gewahrt, wenn Sie die Waren vor Ablauf der Frist von vierzehn Tagen absenden.

Sie tragen die unmittelbaren Kosten der R�cksendung der Waren. Sie m�ssen f�r einen etwaigen Wertverlust der Waren nur aufkommen, wenn dieser Wertverlust auf einen zur Pr�fung der Beschaffenheit, Eigenschaften und Funktionsweise der Waren nicht notwendigen Umgang mit ihnen zur�ckzuf�hren ist.

Ausnahmen vom Widerrufsrecht

Das Widerrufsrecht besteht nicht bzw. erlischt bei folgenden Vertr�gen:

Zur Lieferung von Zeitungen und Zeitschriften oder Illustrierten, mit Ausnahme von Abonnement Vertr�gen;
Bei der Lieferung digitaler Inhalte, die nicht auf einem k�rperlichen Datentr�ger (z.B. einer CD oder DVD) geliefert werden, wenn Sie dem Beginn der Ausf�hrung vor der Bestellung ausdr�cklich zugestimmt und zur selben Zeit best�tigt haben, dass mit der Ausf�hrung begonnen werden kann und Sie Ihr Widerrufsrecht verlieren, sobald die Ausf�hrung begonnen hat.

ENDE DER WIDERRUFSBELEHRUNG

Muster-Widerrufsformular

(Wenn Sie den Vertrag widerrufen wollen, dann f�llen Sie bitte dieses Formular aus und senden Sie es zur�ck)

An: (GreatBookPricesUK, Willow Farm Business Park, DE74 2TW, Castle Donington, Derby, United Kingdom, +1 410-964-0026)

Hiermit widerrufe(n) ich/wir* den von mir/uns* abgeschlossenen Vertrag �ber den Kauf der folgenden Waren*/ die Erbringung der folgenden Dienstleistung*

Bestellt am*/erhalten am*:

Name des/der Verbraucher(s):

Anschrift des/der Verbraucher(s):

Unterschrift des/der Verbraucher(s) (nur bei Mitteilung auf Papier):

Datum:

* Unzutreffendes streichen.

Versandbedingungen

Our warehouses across the globe are fully operational without substantial delays. We are working hard and continue to overcome the daily challenges presented by COVID-19. There have been reports that delivery carriers are experiencing large delays resulting in longer than normal deliveries to customers. We would like to apologize in advance if your item arrives later than the expected delivery due date

Internal processing of your order will take about 1-2 business days. Please allow an additional 10-20 business days for Royal Mail delivery.

Versandkosten von Vereinigtes K�nigreich nach USA

Versandkosten von Vereinigtes K�nigreich nach USA
Bestellmenge	10 bis 30�Werktage	10 bis 27�Werktage
Erster Artikel	EUR 17.22	EUR 17.22

Die Versandzeiten werden von den Verk�uferinnen und Verk�ufern festgelegt. Sie variieren je nach Versanddienstleister und Standort. Sendungen, die den Zoll passieren, k�nnen Verz�gerungen unterliegen. Eventuell anfallende Abgaben oder Geb�hren sind von der K�uferin bzw. dem K�ufer zu tragen. Die Verk�uferin bzw. der Verk�ufer kann Sie bez�glich zus�tzlicher Versandkosten kontaktieren, um einen m�glichen Anstieg der Versandkosten f�r Ihre Artikel auszugleichen.

Impressum & Info zum Verk�ufer