基于深度学习的信息级联预测方法综述

在线社交媒体极大地促进了信息的产生和传递,加速了海量信息之间的传播与交互,使预测信息级联的重要性逐渐突显。近年来,深度学习已经被广泛用于信息级联预测(Information Cascade Prediction)领域。文中主要对基于深度学习的信息级联预测方法的研究现状与经典算法进行分类、梳理与总结。根据信息级联特征刻画的侧重点不同,将基于深度学习的信息级联预测方法分为时序信息级联预测方法与拓扑信息级联预测方法,并进一步将时序信息级联预测方法分为基于随机游走(Random Walk)的方法与基于扩散路径的方法,将拓扑信息级联预测方法分为基于全局拓扑结构的方法与基于邻域聚合的方法;并对每类方法进行详细的原理阐述与优缺点介绍,介绍了信息级联预测领域常用的数据集与评价指标,在宏观与微观两种信息级联预测场景下对基于深度学习的信息级联预测算法进行实验对比,并讨论了一些信息级联预测算法中常用的算法实现细节。最后,总结了该领域未来可能的研究方向与发展趋势。     

基于无线网络的城市能耗远程智能管理系统的设计与实现

提出并研究了一个基于现有无线通信网络的城市能源远程智能管理系统的设计和实现.该系统包括无线网络7号信令的研究,以及在能源计量单元上的实现、远程自动抄表、基于B/S的系统设计方案、系统组成、工作原理、功能以及技术性进行了重点论述.该系统通过客户端采集设备采集、验证、整理数据,通过无线网络与服务端设备通信,同时也接受服务端设备的管理.     

位置隐私保护技术综述

随着如智能手机和平板电脑等移动设备的普及,基于位置的服务(LBS)变得越来越流行,人们通过网络进行查询的同时,将自己的位置信息暴露给了LBS提供商。如何保护用户的位置信息不被潜在地泄露给LBS提供商,对一个LBS系统来说是至关重要的。目前关于LBS的隐私保护的研究已经取得了一定的成果,为了更深入地解决位置隐私保护技术中还没有解决的诸多问题,展开对相关课题的深入研究,从非k-匿名位置隐私技术、k-匿名位置隐私技术、P2P架构下的k-匿名技术和连续查询轨迹匿名技术四个方面对相关文献进行了综述,分别介绍了相关的算法。最后,总结了位置隐私保护技术当前存在的问题及未来的发展方向。     

基于移动IPv6的IPSec安全体系

对IPSec协议族进行研究,分析了安全联盟、身份认证报头、封装安全负载和因特网密钥交换等协议的结构及其关键技术,并在此基础上提出了一种IPSec的实现方案,可以有效地保障移动IPv6中数据传输的安全。在具体的实施过程中,可选用传输模式和隧道模式两种实现模式。传输模式只能用于发送方和接收方的系统都应用了IPSec的情况。在大多数情况下,采用隧道模式不需要对所用的系统进行任何修改。     

基于网格划分加权的分布式离群点检测算法

分布式计算被广泛应用于离群点检测问题,但分布式环境中节点计算性能的差异带来了数据计算性能的下降问题。针对面向大尺度高维数据离群点分布式计算的负载均衡问题,该文提出了一种加权分布式离群点检测方法。首先根据数据节点的计算性能确定数据节点的权值,然后将数据空间划分为若干个网格,最后设计了一种基于网格划分的加权分配算法WGBA,将这些网格分配到数据节点中,实现并行计算。实验验证了该方法的有效性。     

基于无线网络的城市能耗远程智能管理系统的设计和实现

提出并研究了一个基于现有无线通信网络的城市能源远程智能管理系统的设计和实现。该系统包括无线网络7号信令的研究,以及在能源计量单元上的实现、远程自动抄表、基于B/S的系统设计方案、系统组成、工作原理、功能以及技术性进行了重点论述。该系统通过客户端采集设备采集、验证、整理数据,通过无线网络与服务端设备通信,同时也接受服务端设备的管理。     

基于RS485和单片机的排队机控制系统设计

随着计算机技术以及网络技术的发展,将RS-485网络控制系统应用在排队控制上,设计一种可以代替人们来排队的系统,可以提高人们生活质量.本文详细介绍了排队机系统各控制器的设计,包括各个功能模块的硬件电路和控制软件的设计,这些功能模块和控制器是排队机控制系统的重要组成部分.     

WebGIS在数字化校园建设中的应用研究

目前很多高校都在进行数字校园建设的探索,对其实现技术和体系结构都有很多的探讨,并有一些初步的实现.本文分析了目前的数字校园建设的现状,概括出数字校园未来的建设内容,总结和分析了GIS的发展现状和未来发展趋势,提出了建设基于WebGIS的数字校园这样一个比较新的课题.以此为基础,对建设基于WebGIS的数字校园的关键技术进行了较深入的讨论分析,论述了数字校园建设的指导思想、目标及总体设计原则.     

离群点检测技术综述

为了深入了解离群点检测技术发展状况,对近年离群点检测技术进行综述,首先介绍与总结了离群点的定义、引起离群的原因和离群点挖掘算法的分类;其次,对基于邻近性的离群点检测算法、分布式架构下的离群点检测算法以及基于深度学习的离群点检测算法进行综述与总结,尤其对该领域目前最有代表性的方法进行了探讨,指出了其优缺点;最后展望了离群点检测技术未来的研究方向。