T-aware:一种基于AS拓扑的可用带宽预测算法

为提高端到端可用带宽的预测精度,提出了一种基于自治域（AS）拓扑的可用带宽预测算法T aware. 该算法结合网络的AS拓扑信息,为符合超度量空间的节点和不符合超度量空间的节点分别选择测量点,对2类节点分别进行预测. 在 HP scalable sensing service数据集上的实验结果表明,T aware的预测精度与PathGuru算法相比可提高10%以上.     

一种面向软件定义网络的大流检测机制

为解决大流检测过程中普遍存在的精度低、耗费高等问题,提出了一种面向软件定义网络的大流检测机制SampleFlow.通过综合sFlow和OpenFlow技术优势,使用粗粒度的采样技术识别出疑似大流,在OpenFlow交换机上安装测量流表项,对这些疑似大流进行细粒度测量判别,以达到准确检测大流的目标,通过采样点优化选择算法,还可降低采样的冗余性.实验结果表明,SampleFlow能够有效降低测量负载,并提升大流检测的精度.     

一种新的多层感知机隐含层神经元个数上限计算方法

多层感知机在分类问题中具有广泛的应用。本文针对超平面阈值神经元构成的多层感知机用于分类的情况，求出了输入层神经元最多能把输入空间划分的区域数的解析表达式。该指标在很大程度上说明了感知机输入层的分类能力。本文还对隐含层神经元个数和输入层神经元个数之间的约束关系进行了讨论，得到了更准确的隐含层神经元个数上
上限。当分类空间的雏数远小于输入层神经元个数时，本文得到的隐含层神经元个数上限比现有的结果更小。     

风险分析在建设项目财务评价中的应用

建设项目的各类财务指标都是将来发生的值,大多具有随机性,站在前期对将来指标的估算必然存在风险,在项目的实践中,投资者经常只是依据简单估算来进行项目的取舍,而并没有做深入的前期财务评价与风险分析。在此,作者以项目的财务净现值来例,将风险分析应用于财务净现值的估算中,推出一种全新的建设项目财务评价方法。     

遥感影像建筑物阴影中树木阴影的去除方法

高分辨率多光谱遥感影像中的建筑物阴影具有重要作用。针对检测到的建筑物阴影经常受高大树木阴影影响的问题,在可分离亮度的Lab颜色空间建立树木颜色模型,使用查表法准确检测遥感影像中的树木区域。提出根据树木区域和光照方向去除建筑物阴影中树木阴影的方法,通过实验证明其有效性。     

流形学习中基于局部线性结构的自适应邻域选择

近年来,流形学习成为包括机器学习、模式识别和计算机视觉等相关领域的研究热点.流形学习算法中,邻域选择直接关系到算法的性能,而传统的邻域选择算法如k近邻和ε邻域算法存在参数难以确定,所构建邻域不能反映流形学习算法对邻域要求等缺点.提出了一种基于流形局部线性结构的自适应邻域选择算法(ANSLL).首先通过分析现有流形学习算法,总结出构建邻域的两个基本原则:1)同一邻域的所有点都近似地位于某一d维线性子空间内(d为流形维数);2)每个邻域包含尽可能多的点.基于这两个基本原则,ANSLL 算法采用主成分分析技术(PCA)度量有限点集的线性程度,通过邻域压缩或扩张方式自适应地构建邻域.针对邻域线性结构的特点,还提出了一种改进的邻域图构建方法,以提高等度映射(Isomap)算法中测地线距离估计的准确性.最后大量系统的实验表明,ANSLL算法能够依据流形的局部曲率自适应地构建邻域,从而提高大多数流形学习算法(如Isomap和LLE)的性能.     

基于多阶段博弈的虚拟化蜜罐动态部署机制

作为一种重要的欺骗防御手段,蜜罐对于增强网络主动防御能力具有重要意义,但现有蜜罐大多采用静态部署方法,难以高效应对攻击者的策略性探测攻击等行为.为此,将完全信息静态博弈与马尔可夫决策过程相结合,提出了一种基于多阶段随机博弈的虚拟化蜜罐动态部署机制HoneyVDep.HoneyVDep结合攻防双方多阶段持续对抗的特点,以资源约束下防御方的综合收益最大化为目标,建立了基于多阶段随机博弈对抗的蜜罐部署优化模型,并实现了基于Q_Learning的求解算法,以快速应对攻击者的策略性探测攻击行为.最后,基于软件定义网络和虚拟化容器实现了一个可扩展的原型系统对HoneyVDep进行验证,实验结果表明,HoneyVDep能够根据攻击者的攻击行为特征,有效生成蜜罐部署策略,提升对攻击者的诱捕率,减少部署成本.     

基于多代理的网格动态资源自维护机制

为了及时发现和处理大规模网格应用中资源运行异常的情况,提出了一种基于多代理(agent)的动态资源自维护机制(MADOM)。定义了监测域和属主代理的概念,通过域间属主代理的交互获得全局资源视图,并基于此执行维护动作达到资源状态一致。分析表明,MADOM不但提高了分布式应用系统的扩展性和可靠性,而且具有较低的空间复杂度和消息复杂度,因此可以支持任意大规模的分布式应用。     

一种心电信号QRS复杂形态自动分析算法

QRS形态分析是心电信号自动分析中的关键步骤之一.现有QRS形态分析算法大多是基于时频变换分析或基于基元线段句法识别的.其中,基于时频变换分析的方法难以处理复杂波形和异常波形;而基于基元线段句法识别的算法则易丢失波形细节.针对这一问题,本文提出了一种基于QRS波群关键点和有限自动机的QRS形态分析算法.首先,采用二次多项式曲线对输入的心电信号进行分段最小二乘法逼近.然后,通过分析各段曲线的单调性、陡峭程度以及曲线方向等特征,实现QRS波群中峰点、谷点、边界点等关键点的检测,同时提取各关键点的幅度和时间信息,并判断出关键点的类型.最后,构造了一个有限自动机,以带属性的QRS波群关键点序列作为输入,实现了QRS形态的识别.经MIT-BIH心律失常数据库验证,本文算法可处理含有任意多个子波的QRS波群,正确识别出其各种复杂形态,准确分析出如切迹、顿挫等形态细节.