基于微粒群算法的认知无线电频谱分配

提出了一种基于微粒群算法的认知无线电频谱分配算法,该算法能更好地实现网络总效益,从而提高用户的平均效益,并且使用一种新的目标函数评价算法的性能,通过仿真比较了本算法与颜色敏感图论着色频谱分配算法的性能。计算机仿真结果表明,提出的基于微粒群分配算法与颜色敏感图论着色分配算法相比,该算法能更好地满足网络需求。     

基于认知无线电网络中用户需求频谱分配算法

在认知无线电网络中,对图着色频谱分配算法进行了分析,发现只有少数已有算法考虑到用户的需求是否得到满足,导致需求低的用户分配到过多资源。为解决这个问题,根据基于用户需求的图着色论频谱分配算法,对用户的满意度设置优频谱分配优先级函数,满意度差的用户进行优先选择分配,得到一种改进算法。仿真结果表明,基于用户需求的频谱分配算法的改进算法,能够增加系统的信道效益,提高用户的需求满意程度。     

认知无线电中的并行频谱分配算法

该文通过对基于图论着色原理的开放式频谱分配算法的分析,提出了一种并行分配算法。在最大化系统效益的准则下,并行算法可以得到与CSGC (Color Sensitive Graph Coloring)算法相同的分配矩阵,但是却可以缩短分配周期,从而适应了认知无线电对环境的快速感知的要求。仿真结果分析验证了结论的正确性。     

基于图论模型的改进型频谱分配算法

认知无线电技术能够感知周围无线电环境并择机使用频谱空洞。文章通过对现有的频谱分配算法研究分析,提出了基于图论着色模型的改进型频谱分配算法。该算法建立在授权用户状态动态变化的基础上,利用频谱下一时刻空闲概率降低授权用户的活动性对频谱分配的影响。仿真结果表明该算法有效提高了频谱概率上的效益并且保证了系统公平性。     

基于用户等待时间的频谱分配改进算法

文章通过对图论着色模型的分析,提出了一种基于用户等待时间的自适应的公平频谱分配改进算法,解决了在频谱资源比较紧张的情况下弱势用户等待时间太长的问题。该算法既考虑到了系统吞吐量,又考虑到了用户的等待时间。本算法能使各次用户有趋于平均的机会使用频谱资源,保证了系统的公平性。仿真结果验证了本算法的正确性。     

认知无线电中基于频谱聚合的频谱分配算法

为了使认知用户可成功接入分配的频谱,进一步提高频谱利用率,提出了一种基于频谱聚合的分布式频谱分配算法(SADSA),该算法以图论着色为模型,算法过程考虑了认知用户的带宽需求和认知设备的最大聚合范围,仿真结果表明了该算法在认知用户接入率方面的优越性.     

基于干扰图的家庭基站分簇频谱分配算法

为了减小宏用户和家庭基站之间的干扰,有效分配频谱,本文提出了基于图论着色的分簇信道分配算法。该算法在保证满足宏用户信干噪比(signal-to-interference plus noise ratio,SINR)要求的前提下确定每个家庭基站可用的子信道集,再根据构造的家庭基站系统干扰图,动态地给每个用户分配所有可用的频谱资源。本文分别构建无向干扰图和有向权重干扰图,使用了一种基于簇的改进算法,在保证宏用户信干噪比的条件下,尽量提高家庭基站的吞吐量。仿真结果表明,本文算法可以降低宏用户和家庭基站的中断率,同时频谱效率得到提高。     

认知无线网络中基于用户需求和频谱聚合的动态频谱分配

认知无线电技术可以感知周围无线环境择机利用频谱空洞,从而达到提高频谱效率的目的.在认知无线电网络中,现有的频谱分配算法大部分是基于连续频谱分配并且没有考虑用户的需求.但是连续频谱分配会生成许多小于用户需求的频谱片段,这些频谱片段不能被充分利用,从而造成频谱浪费.本文基于图论提出了一种联合考虑用户需求和非连续频谱聚合的频谱分配算法.在该算法中,非连续的频谱片段被聚合以尽可能多地满足用户总需求,充分利用了小的频谱片段,避免了频谱浪费,从而提高频谱效率.     

基于混沌量子蜂群算法的认知无线电频谱分配

在图论着色模型的基础上,提出了一种基于混沌量子蜂群算法的认知无线电频谱分配方法.该算法基于人工蜂群理论,结合量子计算的高效性和混沌初始化的遍历性来实现频谱分配的优化问题.通过实验仿真比较了此算法与颜色敏感度图论算法、量子遗传算法、量子蜂群算法的性能,结果表明该算法具有更好的收敛性和网络效益.     

认知网络中基于图论着色模型的频谱分配算法的分析

无线频谱资源的紧缺是无线通信发展的瓶颈,认知无线电技术被认为是解决无线频谱紧缺问题的一种新方法。本文首先介绍了认知无线电系统中频谱分配的图论着色模型,紧接着给出图论着色模型的数学描述,接下来对图论着色模型下的现有分配算法进行了总结,并算法对算法进行了比较。     

基于量子计算的用户识别算法

本文提出了基于量子算法的快速用户识别算法.当代社会进入互联网时代后,大量的信息充斥在网络上,许多有价值的信息被隐藏在Weblog中,大数据分析的一项任务就是通过对Weblog的分析得到用户行为模式等重要的信息,在这之前必须要做的是对用户进行识别.以往对用户识别算法的研究较为侧重在准确度方面,识别的速度尚不能令人满意.本文基于Grover搜索算法提出了扩展记录模式和非扩展记录模式的两种快速IP地址搜索算法,将搜索的查询复杂度进行了二次加速.     

An Adaptive User Preferences Elicitation Scheme for Location Recommendation

User preferences elicitation is a key issue of location recommendation.This paper proposes an adaptive user preferences elicitation scheme based on Collaborative filtering (CF) algorithm for location recommendation.In this scheme,user preferences are divided into user static preferences and user dynamic preferences.The former is estimated based on location category information and historical ratings.Meanwhile,the latter is evaluated based on geographical information and two-dimensional cloud model.The advantage of this method is that it not only considers the diversity of user preferences,but also can alleviate the data sparsity problem.In order to predict user preferences of new locations more precisely,the scheme integrates the similarity of user static preferences,user dynamic preferences and social ties into CF algorithm.Furthermore,the scheme is paraltelized on the Hadoop platform for significant improvement in efficiency.Experimental results on Yelp dataset demonstrate the performance gains of the scheme.     

Wireless packet scheduling based on the cumulative distribution function of user transmission rates

In this paper, we present a new wireless scheduling algorithm based on the cumulative distribution function (cdf) and its simple modification that limits the maximum starving time. This cdf-based scheduling (CS) algorithm selects the user for transmission based on the cdf of user rates, in such a way that the user whose rate is high enough, but least probable to become higher, is selected first. We prove that the CS algorithm is equivalent to a scheduling algorithm that regards the user rates as independent and identically distributed, and the average throughput of a user is independent of the probability distribution of other users. So, we can evaluate the exact user throughput only if we know the user's own distribution, which is a distinctive feature of this proposed algorithm. In addition, we try a modification on the CS algorithm to limit the maximum starving time, and prove that the modification does not affect the average interservice time. This CS with starving-time limitation (CS-STL) algorithm turns out to limit the maximum starving time at the cost of a negligible throughput loss.     

基于置信用户偏好模型的电视推荐系统

基于用户偏好的电视节目个性化推荐是一种内容的推荐算法。其中用户偏好的不确定性和描述上的模糊性是用户模型建立的难点。在此首先通过对样本用户过往观看记录数据进行分析,发现用户偏好存在一定的时不变性。把偏好在一定时间内不发生变化的用户称作置信用户,在这个基础上,建立基于节目特征向量空间的用户偏好模型,并提出基于用户偏好度模型的推荐算法。该算法通过用户观看视频的历史记录得到用户的偏好模型,并基于该偏好模型向用户推荐节目。仿真实验证明了算法的收敛性和有效性。     

Joint recommendation algorithm based on tensor completion and user preference

Aiming at the problem that existing recommendation algorithms have little regard for user preference,and the recommendation result is not satisfactory,a joint recommendation algorithm based on tensor completion and user preference was proposed.First,a user-item-category 3-dimensional tensor was built based on user-item scoring matrix and item-category matrix.Then,the Frank-Wolfe algorithm was used for iterative calculation to fill in the missing data of the tensor.At the same time,a user category preference matrix and a scoring preference matrix were built based on the 3-dimensional tensor.Finally,a joint recommendation algorithm was designed based on the completed tensor and the two preference matrices,and the differential evolution algorithm was used for parameter tuning.The experimental results show that compared with some typical and newly proposed recommendation algorithms,the proposed algorithm is superior to the compare algorithms,the precision is improved by 1.96% ~ 3.44% on average,and the recall rate is improved by 1.35%~2.40% on average.     

一种基于感知信任度的加权协作感知算法

基于非协作感知的不确定性,协作频谱感知方法具有更高的可靠性.在传统的加权数据融合的基础上,根据无线电通信环境次用户(Secondary User,SU)的信任度不同,引入信任度函数及其信任度因子,提出了一种基于次用户信任度的自适应数据融合算法.仿真结果表明,该算法可以提高主用户(Primary User,PU)的检测概率,具有一定的可靠性和有效性,其检测性能优于传统的加权数据融合准则,同时还适应感知用户的拓扑变化.     

一种基于用户轨迹的跨社交网络用户身份识别算法

针对现有的基于用户轨迹的跨社交网络用户身份识别算法未考虑用户轨迹中的位置访问顺序特征的缺点,该文提出一种基于Paragraph2vec的跨社交网络用户轨迹匹配算法(CDTraj2vec)。首先将用户轨迹转化为易于处理的网格化表示,并按照一定的时间粒度、距离尺度对原始的用户轨迹进行划分,使用户轨迹中的位置访问顺序特征易于抽取;然后利用Paragraph2vec算法中PV-DM模型抽取轨迹序列中位置访问顺序特征,得到用户轨迹的向量表示。最后通过用户轨迹向量判定轨迹是否匹配。在社交网络BrightKite上的实验结果表明,与基于位置访问频率或者基于轨迹间距离的方法相比,F值提高了2%～4%个百分点,所提算法能够有效地抽取出用户轨迹中的位置访问顺序特征,更加准确地实现了基于用户轨迹的跨社交网络用户身份识别。     

一种分布式多点协同波束成形和用户调度算法

为了高效实现多点协同下行链路的协同传输,该文基于最大化最小信干噪比准则提出了一种单层迭代分布式协同波束成形算法,并且证明了该算法的全局收敛性;利用该算法中优化波束的特征,进而提出了一种分布式协同用户调度算法。仿真结果表明,所提分布式协同波束成形和用户调度算法可获得明显优于已有算法的最小信干噪比性能,且只需要很少量的基站间信息交互。     

大规模MIMO系统中基于用户分类的动态导频分配

针对大规模MIMO系统导频污染问题,提出一种基于用户分类的动态导频分配策略.根据目标小区用户信号强度的方差设置合理的用户信号强度临界值,将目标小区用户分为中心用户和边缘用户.中心用户采用最大载干比算法分配导频,以最大化中心用户总信道容量.边缘用户采用贪婪算法分配导频,以提高每个边缘用户的信干噪比.仿真结果表明,所提策略在提高边缘用户信干噪比的同时能够有效提高系统的信道容量.     

基于行为分析的Web日志用户识别算法

文章提出了一种Web日志分析中数据预处理阶段用户识别的新算法。这种算法基于用户浏览行为的建模,能够很好地处理同一用户在不同地点上网情况下的用户识别问题。本算法通过归一化的支持度指标来选择最能代表用户浏览行为的行为模式,并用布尔编码的方式提取特征。用户间的相似度采用余弦相似方法计算,并利用KNN（K=I）的分类方法来识别用户。在特定构造的数据集上的实验表明文章提出的算法能够不依赖于IP信息识别用户并具有较好的识别率。