基于端到端丢包测量的网络瓶颈链路推断方法

为了寻找网络中瓶颈链路,对网络数据包丢失率的推断方法进行了研究,提出一个新的网络数据包通过率的统计推断模型．该模型基于端到端的测量方式,采用累积母函数对网络路径级数据包通过率进行分析,估计出网络链路级数据包通过率的统计信息．利用网络数据包通过率与丢失率之间的关系,可以间接得到链路级数据包丢失率的统计信息．仿真实验表明,该模型不需要很高的测量负载量就可以较精确地推断出网络链路级数据包通过率的统计信息,并根据Chernoff bound检测出网络中的瓶颈链路．     

基于蚁群的Ad Hoc网络多路径路由的改进

在大规模的Ad Hoc网络中,带宽有限,并且节点移动会引起链路频繁中断,从而导致传输时延较大。针对这些缺点,文中提出了加入了链路失效预测的蚁群多路径路由算法LA-ACO （ Location Aided ACO）。通过蚁群算法的分布式计算来寻找多条路由,并利用多路径路由来进行数据包的负载平衡,同时进行链路失效的预测,利用蚁群的正反馈机制完成快速主动路由修复。在仿真得到的结果中可以发现,该算法有较好的寻优能力,并且适应于Ad Hoc网络的拓扑多变化的特性。     

Novel isocyanate-free self-curable cathodically depositable epoxy coatings: Influence of epoxy groups on coating properties

Novel self-curable cathodically depositable coatings were developed from glycidyl functional epoxy ester-acrylic graft co-polymer (EEAG) without using any external crosslinking agents. The EEAG-amine adducts (EEAGAs) were prepared by reacting EEAG with varying amount of diethanolamine (DEoA) which are neutralized with acid and dispersed in deionised water to give stable dispersion for cathodic electrodeposition (CED) coatings. The dispersions were cathodically electrodeposited on phosphated steel panels and thermally cured to give uniform coating. The coatings were evaluated for different mechanical, chemical and corrosion resistance properties. The coatings were evaluated for their thermal properties using thermo gravimetric analysis (TGA). The final properties of the coatings were found to be affected by the amount of amine reacted with epoxy. The coating films showed good overall performance properties for their use in coating industry.     

一种基于纠删码的多节点失效修复算法

纠删码作为分布式系统中重要的数据容错技术,在失效数据的修复领域有着广泛应用。但现有的纠删码算法大多针对单节点修复,修复成本较高,且未考虑新生节点间的信息传递,给多失效节点的修复带来不便。基于此,提出一种基于纠删码的多节点失效修复算法,该算法在新生节点中利用节点选择策略选取中心节点为根节点,并依据链路带宽分别与供应节点和剩余新生节点构建最大修复树,从而降低数据修复时长。实验结果表明,与现有的BHS和SSR串行修复等方法相比,该算法能有效提高多失效节点的修复效率,验证了算法的有效性。     

基于共同邻居邻域拓扑稠密性加权的链路预测方法

链路预测旨在利用已知的网络节点和拓扑结构信息,预测网络中未连接的两个节点之间存在连边的可能性。基于网络拓扑相似性的链路预测方法计算复杂度低且预测效果好,但现有的相似性指标对共同邻居的邻域拓扑信息考虑较少。针对此问题,提出一种基于共同邻居邻域拓扑稠密性加权的链路预测方法。首先,基于邻域拓扑相对稠密指数量化节点的邻域拓扑结构;然后,利用共同邻居的节点度和邻域拓扑相对稠密指数刻画共同邻居及其邻域拓扑的相似性贡献;最后,提出基于共同邻居邻域拓扑稠密性加权的节点相似性指标。在多个实际网络数据上的实验结果表明,与现有相似性指标相比,该方法能够取得更高的预测精度。     

基于多种信息组合模式的非负矩阵分解链路预测模型

针对基于拓扑结构相似性的链路预测算法中网络稀疏性和噪声问题,提出一种基于非负矩阵分解的链路预测模型。该模型从微观与宏观两个层面出发,融合网络内部和外部的辅助信息,减轻了网络稀疏性造成的影响,提升了算法预测的整体性能。提出的三种信息组合模式体现出宏观与微观角度下的信息融合策略。在13个真实网络数据集上的实验结果展示了算法预测性能上的优越性。     

融合局部与全局紧密度的符号网络链接预测算法

鉴于大多数符号网络预测算法仅能对已有链接缺失的符号进行预测,无法实现未知的链接及其符号预测,提出一种融合局部与全局结构特征定义节点间相似性的符号网络链接预测算法.基于结构平衡理论,利用连接两节点的步长为2和3的路径信息分别定义局部和全局链接紧密度,有效融合两者得到两节点的总相似度,其绝对值度量了链接建立的可能性,其符号即为链接的符号预测结果.在多个经典的符号网络数据集上对算法的有效性和正确性进行了验证,并与符号网络中有代表性的预测算法进行了准确率以及推荐链接的对比分析.结果显示,所提算法在链接预测与符号预测两方面均达到了较好的预测性能.     

基于车路协同的地下停车场车辆定位算法发散性研究

针对GPS信号弱或不可用场景下(如隧道、地下停车场等)智能车辆的高精度定位服务问题,分析了一类基于车载网络通信(VANET)的无线定位算法,通过车辆—智能路基之间的信息交互,以解决现有车辆定位过程中有效精度低、抗干扰能力差等问题。但考虑到车辆移动造成的网络拓扑结构动态变化,车辆与智能路基之间的非对称通信时延往往被忽略,导致协同定位模型过于简化,造成车辆定位精度的损失。通过刻画车辆—智能路基之间的非对称通信模型,从数学角度分析验证了现有车辆协同定位算法的发散性。仿真结果表明,在不考虑非对称通信延迟的条件下,对车辆的定位误差会逐级收敛;但在考虑非对称延迟的条件下,则呈现指数级振荡发散。     

结合谓词感知与图注意力机制的链接预测方法

知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整.针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息,导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息,提出图注意力机制与谓词感知结合的方法.首先,利用图注意力机制定义了一个关系嵌入矩阵,描述任意给定实体邻域内实体间的关系;其次,引入谓词增强实体间语义理解程度,构造了基于谓词嵌入向量的注意力值计算公式,以便有效地度量实体间语义联系的强度;此外,利用实体邻居间的边关系预测多跳实体间的直接关系以补全知识图谱.在数据集WN18RR、Kinship、FB15K的实验结果表明了该方法能有效提高三元组的预测精度.