网格计算中改进的基于二叉树的防欺骗检测方法

网格计算是一类已经在很多领域中应用的分布式计算,欺骗问题是网格计算中很受关注的一个话题,描述如下:网格计算中一个用户有计算任务D={x1,x2,…,xn},即需要对其中所有的x∈D用函数f(x)进行计算,并返回所有有价值的计算结果.但管理者如何保证所有用户把D中的所有X都进行计算过,而不是其中的一部分.笔者对一个已有的基于二叉树的防欺骗方法进行改善,在欺骗成功的概率上通过增加了指数阶(2h-1),使得欺骗成功的概率在相同的精度要求下,比原来的方法需要更少的样本.     

犹豫模糊数据对象集的谱聚类算法

目前适用于犹豫模糊数据对象集的聚类算法研究仍然非常有限,现有的犹豫模糊数据对象集层次聚类算法受异常点影响较大且容易聚成链状.针对上述问题,本文首先提出了一种可扩展的犹豫模糊集的加权相似度计算方法,该方法不仅可以利用不同的函数计算相似度,而且可以根据实际问题构造最优的相似度函数.基于该加权相似度计算方法,结合经典的谱聚类算法提出了犹豫模糊数据对象集的谱聚类算法(SCHF).针对目前国内外还没有可用于犹豫模糊数据对象集聚类的标准数据集的现实情况,本文提出了一种确定性数据的犹豫模糊方法并在仿真实验中应用.仿真实验不仅验证了SCHF算法的有效性,而且表明SCHF算法比两种已知算法有更好的聚类效果.     

联系数a+bi的运算及在网络计划中的应用

定义了ａ＋ｂｉ型联系数加法、减法、乘法和除法运算,研究相应的运算规则与性质,给出了在网络计划中的应用实例。其研究结果不仅可用于网络计划管理与控制,而且还可以用于其它不确定性系统的分析与控制。     

基于跳跃Hash和异步共识组的区块链动态分片模型

区块链系统的实现方案普遍存在性能和容量上的缺陷,使其无法取得更广泛的普及和应用。分片被视为最有可能解决区块链瓶颈的技术,然而目前主流的实现方案普遍存在牺牲去中心化或者安全性来提升性能的问题。基于现有分片技术的研究,文中提出了基于跳跃Hash和动态权重的分片构建算法,该算法满足高效性、公平性、自适应性等特点,网络分片效率对比以太坊提升了8%,分片数量动态增减时节点迁移的工作量对比以太坊降低了25%;同时引入了异步共识组机制,提升了分片的交易安全性,能够有效处理跨分片交易。理论分析和实验证明,基于跳跃Hash和异步共识组的区块链动态分片模型的最大交易性能可达5000笔每秒。     

解模糊交货期多机并行调度问题的改进量子遗传算法

在结合遗传算法和量子理论的基础上,提出了一种改进的量子遗传算法（IQGA）求解模糊交货期多机并行调度问题。采用量子比特相位比较法更新量子位,以加快搜索的速度和效率;采用求反解码操作,以扩大种群规模。通过仿真验证,改进的量子遗传算法在求解模糊交货期多机并行调度问题时有较好的寻优能力。     

量子计算及量子算法研究进展

量子相干性和量子纠缠等特性为量子计算带来了完全不同于经典计算的独特运算方式,量子计算表现出的并行性更是令经典运算望尘莫及。Shor算法的提出完全展示了量子算法在解决某些经典问题时的优势,接踵而至的Grover搜索算法进一步诠释了量子计算的威力。此后,算法“量子化”在国际上掀起了研究的热潮,尤其在量子智能算法方面取得了不错的成果。文章首先介绍量子计算的发展现状和基本原理;然后列举三种典型的量子算法,展示量子计算的优越性;最后介绍该领域的研究进展。     

基于（t,n）门限的关系型数据库水印算法

用水印实现数据库版权保护,是数据库安全领域新的研究热点,而提高水印算法的鲁棒性则是其中的一个研究重点.提出基于(t,n)门限的数据库水印算法,在水印图像嵌入时,利用门限算法对水印图像进行分存,得到水印影子,将这些影子与数据库数据混合并嵌入到数据库中,使得对数据库的恶意攻击不会直接破坏水印本身;在提取水印过程中,用若干水印影子的组合还原水印图像,减少了水印被破坏的程度.实验分析表明,该水印算法是有效的,并且具有很好的鲁棒性.     

基于第三方支付的网格资源安全交易模型

网格资源交易中,交易双方都是虚拟的结点,双方对相互的信用情况没有直接的了解,虽然使用信誉值来反映资源提供者的可靠性在一定程度上提高了资源的成功交易率,但无法确保整个交易过程的安全进行.为弥补资源交易中的这种不足,进一步提高资源的成功交易率,参考电子商务中的第三方支付机制,引入第三方对交易过程进行管理与控制,提出了一种新的网格资源交易模型,并对模型中的安全机制进行了详细分析.分析结果表明该模型可以实现安全可靠的交易,保证交易双方的经济利益.     

密度自适应的半监督谱聚类算法

谱聚类是一种新兴的聚类算法,数据点间的相似度定义对其聚类效果起着至关重要的作用。传统的谱聚类算法通常利用高斯核函数作为相似度函数,但是对于多密度的数据往往不能取得良好的效果。在定义新的相似度函数的基础上,提出了一种密度自适应的半监督聚类算法。该算法结合半监督聚类的成对约束理论,利用先验信息对样本点之间的相似度进行自适应调整,提高了聚类的精度。该算法在人工数据集和真实数据集上的仿真实验都取得了良好的效果。     

基于集对分析的信任评估模型及其在服务选择中的应用

网络的大规模、异构、动态、分布和自治性造成了资源和服务的不确定性和欺骗性,从而导致服务交易双方风险增大,因此构建有效的信任模型是降低交易双方风险的重要途径。针对当前基于模糊理论的信任模型和基于反馈信息的信任评估方法存在的缺陷,提出了一种基于集对分析理论中联系数概念的主观信任表示方法,以克服模糊数学中用一个精确、唯一的隶属函数严格表示模糊概念的缺点,同时,在此模型中不是单纯基于用户的反馈信息来评价服务的信任度,而是结合服务资源在服务过程达到的服务能力来增加模型的客观性、实时性。将新的信任函数并入到传统的组件服务选择算法中,提出了两种基于信任的服务选择算法,并进行了实验仿真。结果表明,基于信任驱动的服务选择算法的任务执行成功率较传统方法有明显的提高。