基于分段混合蛙跳算法的旅行商问题求解

针对旅行商问题(TSP)在搜索后期解的多样性和精度下降的问题,提出一种解决TSP问题的分段混合蛙跳算法(S-SFLA)。该算法在搜索初期利用逆转变异算子减少交叉路径,在搜索的后期引入邻域搜索(个体邻域,局部最优领域,全局最优邻域)增加种群多样性。在整个搜索过程中记忆全局历史最优解与局部历史最优解,进行全局更新和局部更新,避免迂回搜索。在局部更新中,每一个青蛙都有机会得到更新。实验结果表明,与遗传算法、蚁群算法、基本蛙跳算法相比,S-SFLA算法在求解中等规模的TSP问题上具有更快的搜索速度和更高的求解精度。     

基于堆叠文件系统的云计算存储优化

云环境中大量虚拟镜像带来的冗余会造成资源利用率降低,采用重复数据删除技术能缓解对存储空间以及网络带宽的需求,但同时也存在处理性能下降的问题。为此,提出一种基于堆叠文件系统的云计算存储优化方案。该方案利用可堆叠文件系统将用户对虚拟实例的少量修改信息存放于可读写盘中,将虚拟镜像存放于只读盘中,每次只保存用户对虚拟实例的少量修改信息,而无需保存整个实例。实验结果表明,该方案可在不影响性能的条件下降低存储容量,对文件系统性能的影响平均约为0.75%,在用户对虚拟实例只需少量修改的情况下,对存储容量的需求相比传统重复数据删除方案减少约35%。     

MODIS数据Bowtie效应消除算法

MODIS数据不仅具有较高的过境频率和光谱分辨率,还具有成本低、覆盖面广等优势。受地球曲率的影响,MODIS L1B数据大多存在一种重叠效应,即Bowtie效应,主要发生在图像的边缘地带,该效应制约了MODIS遥感数据的进一步分析及应用。针对遥感影像几何畸变问题,提出一种不基于传统星历表的Bowtie效应消除算法,采用相关系数法确定每个扫描带的重复行数,根据不同分辨率的MODIS L1B数据,使用相对应的重采样方法对图像进行重采样处理。通过与其他Bowtie效应消除算法的对比实验及分析,证明该算法不仅能够有效去除Bowtie效应,而且执行速度较快,具有较高的工程应用价值。     

无线移动网络节点发包概率的演化博弈模型

针对大规模无线移动网络中节点对信道资源的群体性随机博弈问题,在载波侦听多路访问/冲突避免(CSMA/CA)的机制下,建立一种节点发包概率的演化博弈模型。考虑节点成功发送数据包的收益、监听、退避和冲突等成本因素,给出并证明该模型的演化稳定策略(ESS),推导节点发包概率演化的复制动态方程。数值仿真结果表明,该模型能提供更强的ESS,保证在多个移动节点干扰时演化稳定点的鲁棒性。     

基于交互相似度的细粒度社群发掘方法

发现在线社交网络中的社群结构有助于深入研究和分析信息传播规律,同时在社会推荐、群体特征发现等应用领域具有重要的意义。但是现有的社群结构发掘方法多忽略了用户之间的社会属性,导致获取的社群结构难以反映细粒度的结构特征。文中将用户的社会属性引入到社群结构发掘算法中。为了衡量用户的社会交互属性,提出了用户交互相似度模型。基于用户交互相似度模型,提出了一种面向在线社交网络的细粒度社群发掘方法。该算法可以有效衡量用户之间的社会属性,通过层次聚类的手段获得不同粒度的社群,并过滤无关数据。为了验证算法的有效性,以社交网站人人网的用户交互记录为数据集,比较了与其他社区挖掘算法的性能差异。实验结果表明,该方法发掘出的细粒度社群具有较高的准确性,在发现社群之间的不同话题上有着较好的应用。     

产业链协同SaaS平台业务流程定制安全技术研究

针对产业链协同SaaS平台企业群以盟主企业为核心的业务流定制过程中的流程规则编排、存储/访问以及执行控制3个环节可能存在的安全隐患,建立了基于数字签名及业务实例关联的业务流程安全控制模型,对XML数字签名和验证模式、存储策略及模型执行策略进行了研究,提出了基于用户身份认证和业务实例关联的安全签名、存储和执行算法。对该安全模型和算法在汽车产业链协同SaaS平台企业群车辆售后的三包业务流程定制和执行过程进行了验证,结果表明其能防止业务流程在编排、存储和执行过程中被非法篡改和调用。     

多云环境下基于博弈论的用户行为分析模型

针对多云环境下用户的分布式拒绝服务攻击缺乏有效处理机制的现状,从云服务提供商收益角度出发,提出多云环境下基于博弈论的用户行为分析模型。模型首先基于博弈论构造收益矩阵,之后利用模糊隶属度函数判定用户的行为,并进一步评估非协作和协作场景下云服务提供商的资源消耗和收益。经仿真验证,协作模型能够在减少资源消耗的基础上,有效地降低云服务提供商遭受分布式拒绝服务攻击的风险,相对于非协作场景,可以将单位资源的收益提高3倍以上,具有很强的现实意义。     

茂锆金属催化剂催化乙烯聚合研究

主要考察了含锆的茂金属催化剂中催化乙烯反应条件优化研究,在最优条件下催化聚合反应所得的产物与吉林石化公司聚乙烯厂聚乙烯产品进行分析对比.对茂锆金属催化剂催化乙烯聚合反应条件研究表明,适宜的助催化剂[Al]与主催化剂[Cat]的摩尔比在1 500左右,适宜的主催化剂浓度在1.5×10-4 mol/L左右,最佳聚合温度60℃,此时催化剂的活性可达到106 gPE/(molCat·h).从物理性能、热性能、相对支化度、相对分子质量及其分布分析可知,制备出的负载茂锆金属催化剂在最优反应条件下催化乙烯聚合所得的产物与吉林石化公司聚乙烯产品性质基本一致,符合产品的指标,支链分布均匀,分子量分布更窄.同时对茂锆金属催化剂主、助催化剂催化乙烯聚合的作用和机理进行了探讨.     

基于粒子群算法优化的音频特征应用研究

在深入研究音频特征的基础上,提取响度特征和音调特征,并利用粒子群算法优化特征权重。提出一种对歌唱片段进行自动评价的方法,用于视频点歌系统的实时评分模块。实验结果表明,该系统能够反映演唱者歌声和歌曲原唱两者内容的相似程度,从而给出了有效的评分标准。     

一种基于背景声音识别的移动社会活动推荐系统

随着智能手机和移动互联网的快速发展,人们的生活方式正在发生着变革。目前,智能手机终端集成了不同种类的传感器,如GPS、Wi-Fi、摄像头、麦克风等。通过内置传感器,可以搜集用户的相关信息,利用这些信息能有效地理解和识别用户行为,并为用户提供更好的个性化服务。文中主要面向大型工作或生活社区(如大学校园),提出基于背景声音识别的社会活动推荐系统MSSAR(Mobile Sound Sensing and Activity Recommender)。该系统通过音频传感器采集用户的背景声音,实时感知用户所处环境,并对用户实时活动(如在咖啡厅、在开会等)进行识别。MSSAR还能结合用户在线交互历史数据计算其偏好及社会关系亲密度,并据此为用户进行活动推荐。本系统基于以人为本的计算理念,对增强用户间社会联系、促进社区成员间活动交流具有积极意义。