一种新的基于广义细胞自动机的网络快速包交换优化方法

实时优化求解快速包交换问题(FPS)是提高网络性能的重要手段．基于梯度下降法等数学规划方法，不能并行地实时地优化求解FPS问题，而基于Hopfield型神经网络和细胞神经网络的优化方法中，都只有单一粒度的细胞动力学方程和单一粒度细胞之间的相互作用，不仅收敛到平衡点的过程长，而且神经网络参数的选择和修正十分困难．该文提出一种新的具有多粒度宏细胞的广义细胞自动机模型和方法，广义细胞自动机中的小粒度宏细胞聚合成可以独立演化的大粒度宏细胞，通过多粒度群体的不同程度群体智能的相互作用，能够比目前其他方法更快更有效地分布并行地优化求解FPS问题和其它类似的复杂的网络优化问题．     

利用广义细胞自动机实现的智能数据聚类

现有的数据聚类方法仍存在着各种不足,聚类速度和结果的质量不能满足大型、高维数据库上的聚类需求。本文提出了一种新的基于广义细胞自动机的数据聚类算法,利用细胞自动机的自组织能力对数据进行聚类分析。聚类结果的质量不受聚类大小和聚类形状的影响,可以通过随机抽样应用于大数据集。文章在细胞结构及细胞动力学规则中引入了细胞核的概念,让细胞自动机利用自身的演化找出数据中的聚类信息。文章通过分析证明了本文方法的有效性,并通过模拟软件对算法性能进行了详细的实验,证明了算法的实用性和高效性。     

广义细胞自动机的结构及其硬件实现

该文作者曾提出了广义细胞自动机(GCA)的原理和并行算法．并且应用于网络快速包交换等动态优化问题．该文进一步讨论了这种新的广义细胞自动机的体系结构、算法的硬件实现及其电路设计。它们对于GCA的实际应用有重要意义．GCA结构不同于Hopfield神经网络(HNN)和细胞神经网络(CNN)，GCA由多层次多粒度宏细胞组成塔形结构．它具有多粒度的宏细胞动力学特征．相同粒度宏细胞之间没有交互，但不同粒度宏细胞之间存在一定程度的交互或反馈．分析和实验表明．在问题求解的优化性、实时性、硬件实现复杂性等方面．该文给出的GCA结构和硬件实现．与HNN和CNN相比有诸多优点．     

基于结构分析和实体识别的信息集成

针对海量的web数据，提出了一种基于文档结构分析和实体识别的web信息提取和集成方法，利用XML强大的数据描述能力，灵活组织集成的web文档信息内容．方法首先将半结构化的HTML文档转化成具有模式结构的XML文档，然后使用实体识别的技术对不同主题区域进一步抽取出格式良好的数据，最后将得到的多数据类型的信息集成到数据库中，以支持进一步的分析和查询．实验结果证明了该方法的实用和有效性．     

基于细胞自动机的生长系统仿真模型研究

该文定义了一种广义生长系统,给出了其微分方程模型,在此基础上提出了一种基于广义生长系统生长机理和微分方程模型的细胞自动机仿真模型的设计方法,并利用此方法设计了广义生长系统的细胞自动机仿真模型(GCASM)。GCASM采用维的细胞自动机作为生长空间,采用Moore邻域作为其细胞邻域,演化规则根据生长系统生长机理和微分方程模型设计,GCASM细胞代表一个由广义生长系统状态变量确定的特定值。对GCASM进行的统计特性分析结果显示,模拟生长系统的细胞自动机仿真模型在数学期望意义下与所模拟的生长系统的动力学微分方程模型具有较好的一致性。     

基于内容标记的网络信息内容监管方法及实现

针对互联网上信息内容的安全问题，拳文介绍了网络信息内容的监管模式和监管方法，具体研究了一种基于XML的RDF标记技术和相应的主动监管方法，给出了以信息网关为中心的内容监管体系结构。     

基于细胞自动机的电梯群控系统建模及其面向对象实现

文章针对复杂的、具有时间和空间离散性和随机性的电梯群控系统,提出一种运用细胞自动机理论进行建模的新方法。由细胞自动机模型模拟电梯运动行为,派梯队列进行派梯控制,构造了基于细胞自动机的电梯群控系统模型。模型结构简单,运行效果良好。仿真程序采用面向对象的编程方法实现,提高了软件的重用性和模型的可扩展性。该建模方法具有一定通用性。     

基于耦合可控细胞自动机伪随机序列发生方法研究

论文提出了一种新的细胞自动机—耦合可控细胞自动机。根据耦合和可控细胞自动的性质,提出了一种基于耦合可控细胞自动机的伪随机序列发生方法。随机性测试表明,该随机序列发生器优于一维细胞自动机伪随机序列发生器,与二维细胞自动机伪随机序列发生器相当,同时它保留了一维细胞自动机结构的简单性。这种新的细胞自动机在对称密码学中有广泛的应用。     

基于耦合触发细胞自动机的图像加密算法

提出了一种基于一维触发细胞自动机的图像加密技术.根据图像文件类型的特点,在加密前对图像进行了简单的预处理,将每个像素点的信息分割成两部分;相应地,密钥也被分成两部分,从而将原始图像信息分成两部分并加密.本加密系统采用的是对称耦合式的触发细胞自动机结构,一方面,加密算法和解密算法可以共享该结构,从而降低了硬件的实现代价;另一方面,基于此结构,对加密后的信息进行了密钥共享和分存,确保只有在同时获得一对密文时才能正确解密.触发细胞自动机的反转规则由子密钥流和图像信息本身共同决定,而且在细胞状态迭代的过程中能自适应地进行调整.密钥空间,即反转规则表,随着细胞自动机邻居半径增大呈指数增长,所以可以根据不同的安全性要求,通过增加细胞自动机的邻居半径来实现.仿真实验证实了该算法的有效性,并得到了较好的加密效果.     

基于无秩树自动机的信息抽取技术研究

针对目前基于网页结构的信息抽取方法的缺陷,提出了一种基于无秩树自动机的信息抽取技术,其核心思想是通过将结构化(半结构化)文档转换成无秩树,然后利用(k,l)-contextual树构造样本自动机,依据树自动机接收和拒绝状态来对网页进行数据的抽取.该方法充分利用结构,依托树自动机将传统的以单一结构途径的信息抽取方法与文法推理原则相结合,得到信息抽取规则.实验结果表明,该方法与同类抽取方法相比在准确率、召回率以及抽取所需时间上均有所提高.     

Optimizing self-organizing overlay network using evolutionary approach

Self-organizing overlay networks are emerging as next generation networks capable of adapting to the needs of applications at runtime. Applications performance significantly depends on the structure and behaviors of the underlying self-organizing overlay networks. To achieve desired performance, not only the logical overlay topology but also the behaviors of nodes in this overlay network need to be optimized. Moreover, self-organizing overlay networks are extremely dynamic, unreliable and often large-scale. It is therefore important to design new optimizing approaches to meet these challenges. In this paper, we present an evolutionary optimization methodology for self-organizing overlay network. The optimizations of self-organizing overlay networks are modeled as dynamically evolutionary process, in which the nodes interact with each other, change their internal structures and alter their external links to improve the collective performance. To design appropriate fitness functions and rules that guides the direction of the evolution, overlay network can reach a stable state with desired global application performance eventually. Such a methodology leads to our distributed algorithms for proximity-based overlay topology maintenance and Peer-to-Peer living media streaming, in which every node in the overlay network rewires their behaviors and connectivity according to local available information and embedded rules. These algorithms are shown to perform well using simulations.     

基于广义细胞自动机的网络带宽优化

Nowadays,bandwidth allocation schemes in a TCP/IP or ATM network are congestion avoidance oriented.Few scheme has taken global optimization into account,for global optimization problem can not be easily solved by conventional mathematical method due to the complexity and large-scale of massive information system,such as Internet.We present a novel bandwidth allocation scheme based on generalized cellular automaton (GCA).Firstly we introduce how to map network topology into GCA model,then we propose how cells and macro cells interact in our solution.Our simulation results show the scheme leads to global optimization rapidly.     

网络环境下动态分布内容的自组织语义整合框架

随着网络和多媒体技术的发展,新型网络技术不断出现,并通过互联网络不断融合,使得网络更加泛在化、开放和动态化.目前,网络中动态分布的内容爆炸式增长与用户个性化需求之间的矛盾也日益突出.因此,基于开放的网络环境下海量的内容,如何提供个性化、智能的内容服务,已成为研究界和工业界共同关注的问题.基于开放、动态的网络环境,以个性化的语义整合服务为核心目标,将语义技术与网络通信机制相结合,提出了动态分布内容自组织语义整合的网络结构和关键技术的实现机制,包括关系路由模型、自组织语义整合技术框架和实现流程,以支持在网络环境下针对动态分布的内容构建个性化和智能的语义整合应用,并且为动态分布内容的语义整合系统提供工程设计方案和技术实现方法.     

一种基于Mesh结构Overlay网络的构建算法

Overlay网络是一种构建在IP层网络之上的,由端系统之间的逻辑连接构成的应用层网络。因为Overlay网络易于构建、管理灵活和可扩展性强,在实现Internet上的多种应用中发挥了越来越重要的作用。但是,Overlay网络的连接延时长、抖动大,而且容易形成Overlay网络逻辑连接共享物理链路瓶颈的情况,这样的Overlay网络路由效率低而且鲁棒性差,很难保证诸如流媒体这样的实时应用的Qos要求。文章提出了一种基于Mesh结构的Overlay网络的构建算法。该算法运用了地标聚类和相关路径选择策略,目的是建立一个适应物理拓扑、适用于实时大流量业务的Overlay网络。算法规定当一个节点要加入Overlay网络时,通过测量地标使物理拓扑距离较近的节点相互连接,并且进一步地选择相对独立的多条连接,优化了邻居节点选择、Overlay网络的构建过程。实验结果表明本算法构建的Overlay网络在承载大流量业务时,仍可以保持较大的吞吐量和较好的网络可扩展性。     

The BP-SOM architecture and learning rule

For some problems, the back-propagation learning rule often used for training multilayer feedforward networks appears to have serious limitations. In this paper we describe BP-SOM, an alternative training procedure. In BP-SOM the traditional back-propagation learning rule is combined with unsupervised learning in self-organizing maps. While the multilayer feedforward network is trained, the hidden-unit activations of the feedforward network are used as training material for the accompanying self-organizing maps. After a few training cycles, the maps develop, to a certain extent, self-organization. The information in the maps is used in updating the connection weights of the feedforward network. The effect is that during BP-SOM learning, hidden-unit activations of patterns, associated with the same class, becomemore similar to each other. Results on two hard to learn classification tasks show that the BP-SOM architecture and learning rule offer a strong alternative for training multilayer feedforward networks with back-propagation.     

主题覆盖P2P网络自组织构造方法

本文从节点根据资源的相关性自组织构造网络的角度出发,提出一种基于信息聚类的P2P网络自组织构造方法。节点基于自身了解的知识,自主地建立并维护与其它节点的拓扑连接。通过节点间的信息聚类,资源相似节点聚集在同一主题域,实现节点资源的有序组织。对于给定的查询,它的答案集就在对应的主题域,查询处理范围小,查询处理效率高。实验分析表明,本文提出的基于信息聚类的P2P网络自组织构造方法起到了优化网络性能的效果。