基于DHT对象定位机制的P2P系统的研究

P2P是一种新型的网络模型,对计算机网络的发展产生了重要的影响。通过从P2P系统的特性入手．对各种对象定位机制进行了分析比较,并概括介绍当令主流的基于DHT对象定位机制的P2P系统及其未来前景．     

基于双向长短时记忆网络的企业弹性能力预测模型

传统的风险管理方法专注于识别、预测和评估可能发生的潜在风险,但当企业面临突发的、不可预期的风险时,往往束手无策。因此,学术界逐渐将风险管理的视角由预测并规避风险转变为提升企业自身对风险的承受能力和从风险中恢复的能力,也就是企业的弹性能力。文中提出了基于时序特征数据的企业弹性能力预测方法,使用Bi-LSTM对时序特征数据进行双向编码,获得企业的特征表示,并通过softmax分类器得到弹性能力分类结果。模型在中国上市公司的真实数据集中进行实验,macro-F1值达到89.0%,与RF,XGBoost和LightGBM等未使用时序特征数据的模型相比有一定提升。此外,进一步探讨了企业弹性能力的多种影响因素及其重要程度,并首次将机器学习方法应用到企业弹性能力的评估预测中,为企业应对突发风险提供了理论方法指导。     

基于自主管理机制的网格监测系统故障诊断与恢复

为了使网格监测系统能够自主地处理自身的故障、应对复杂多变的网格环境,基于自主组织、管理机制和自主计算技术中的自修复、自愈等思想,R-Net监测系统(RNMS)对监测系统故障的探测、诊断、处理和恢复进行了研究,并把重点放在节点组的故障恢复上.实现了网格监测系统故障诊断与恢复机制,使得监测系统能够无需管理人员的参与、自主地处理一些常见的故障,降低了系统维护的复杂性和成本,增加了系统的易用性和可靠性.     

融合小波分解的Lasso光伏净负荷预测方法

为实现碳达峰、碳中和的目标,有必要对光伏净负荷进行预测,辅助电网根据不同用户的用电需求进行智能分配用电。文章提出了一种小波分解结合Lasso回归模型的预测模型,其中小波分解将时间序列数据的时频域进行对调,聚焦到数据的细节,更适合描述光伏净负荷的内在特性,而在Lasso回归模型中引入该方法将原始数据映射到合适的高维特征空间,使得Lasso回归模型应用于非线性的光伏净负荷数据。在实验验证中首先根据已有的10个台区的光伏净负荷数据进行分析,然后通过这些光伏净负荷数据使用预测模型进行训练和预测,实验结果表明该预测模型具有较高的准确性。     

基于特征挖掘的设备异常响应实时检测方法

工业传感器监测产生海量时序数据,对异常检测带来了两个挑战。一是数据维度和数据量的增多提高了算法时间复杂度,不利于实时监测。为了实时监测数据,需要异常检测算法在有限时间内处理大量的数据。二是在数据采集过程中,噪声是不可避免的,检查噪声数据对异常检测算法性能的影响对于提高分类器学习算法的可靠性是必要的。因此,本文对数据进行分析挖掘,降低数据维度和数据量,提高异常检测实时性,并在图偏差网络上应用一维卷积,提取时间序列的高级特征,提高异常模型的抗噪能力。在六级水处理模型SWaT数据集上的实验结果表明,本文异常检测方法在测试集上精确率、召回率、F1值总体优于传统异常检测方法,且能有效避免噪声干扰,识别速度快,满足异常检测过程中的准确性和实时性,具有一定的应用价值。     

用"东方"模式切入互联网经济

中国电信这样的固网运营商在3G牌照发放的前夜面临着移动运营商疯狂的价格攻势,受到固网粘性下降、语音业务存量流失严重、互联网业务应用发展不畅、宽带用户增长缓慢等一系列问题的困扰。介绍中国电信宁波市分公司的“东方商城”网站及其商业模式,分析其盈利原因和运营流程的合理性,并进一步指出了其他运营商和本地网要把握的关键点和可能的改进方向。     

TSB:一种多阶段IPv6路由表查找算法

充分分析IPv6地址结构、IPv6地址分配策略和IPv6骨干网路由表的特点后,将二叉树、段表和路由桶技术相结合,提出一种多阶段IPv6路由表查找算法.和已有算法相比,提出的算法查找速度快、占用内存少、扩展性好、支持增量更新.实验结果表明算法的软件参考实现在装有P4 2.4GHz CPU,512M DDR333 内存和Linux 操作系统的普通PC 机上的查找能力可以到达16MPPS(Million Packet per Second),这可以满足10Gbps 80 字节IPv6最小包的线速转发.对于当前IPv6骨干网BGP 路由表,算法的参考实现只占用几百K 字节的内存.     

多播路由kpp算法的改进

给出了一种满足端到端时延限制的多播路由算法。该算法是基于通信网络参数加权steiner树的构造技术。当通信网络的目的节点集的时延不受限时,steiner树就是prim算法的最小生成树,而在时延受限的情况下,算法在给定目的节点集后,通过改变费用与时延的加权参数逼近最优解。通过现有算法的算例指出了现有算法的多播路由树构造中的问题,使steiner树的最优性得到保障,实验模拟表明该算法在构造多播树在优化和效率上都有了明显的提高。     

基于观测器和全局收缩映射的设定点控制

针对具有参数不确定性并且仅有位置信息可测的机器人系统,本文首先研究了带有速度近似的■+有偏标称重力补偿的设定点控制方法。该方法利用线性观测器理论对不可测速度信号进行近似,基于此伪速度信号设计的设定点控制虽然可以保证闭环系统全局稳定,但由于无法对重力精确补偿,因此系统存在静差。为消除静差,本文借助全局收缩映射理论,每到闭环系统输出达到稳态时,通过重复修正线性观测器参数使静差逐步收敛到零,保证系统全局渐进稳定。利用所设计的控制器对并行机器人进行设定点控制,仿真实验表明,虽然不同的设计参数对控制效果有所影响,但都能够确保系统输出收敛到标称点。     

基于视觉显著度的污损图像缺陷识别方法研究

针对传统图像缺陷识别方法存在的识别时间较长、识别敏感度较低以及缺陷识别效果较差的问题,提出基于视觉显著度的污损图像缺陷识别方法。采用傅里叶变换对图像进行预处理,运用滤波器对局部窗口内的平稳过程进行处理,将图像中的高频部分进行滤除,对原始图像进行平滑处理,达到图像去噪效果。根据预处理结果提取污损图像中的视觉显著度,构成显著特征矩阵,形成视觉显著图,将视觉显著图与图像分割进行结合,实现对污损图像的缺陷识别。实验结果表明,所提方法的识别时间较快、识别敏感度较高,且缺陷识别效果较好。