基于节点介数与边缘流行度的NDN缓存策略

针对命名数据网络(NDN)架构中多数缓存策略的冗余与低效问题,提出一种基于节点介数与边缘内容流行度的缓存放置策略BEP。结合节点的介数中心性与内容的动态流行度,同时考虑缓存的过滤作用,将最流行的内容放置在最重要的节点上,以高效利用稀缺的缓存资源。仿真结果表明,与经典NDN缓存策略LCE、LCD相比,BEP能有效提高缓存命中率,降低服务器负载。     

一种WWW数据自动应急恢复系统的设计

在分析了将通用网络数据备份与恢复系统应用于WWW数据的应急恢复所带来问题的基础上，提出了一种专用的物理隔离型WWW数据备份与应急恢复系统，给出了系统的设计目标、主要功能、工作原理和系统的主要特点。     

基于内容分组与能力匹配的邻居选择算法

邻居选择算法是影响P2P文件共享系统的整体吞吐量和带宽利用率的关键技术之一.目前BT类P2P文件共享系统中的一些常用邻居选择算法一般存在着邻居节点间的内容可交换性差和带宽利用率低等问题.提出一种新的邻居选择算法,将节点按内容分组,由节点上报的上传、下载的字节数计算出带宽能力,让能力匹配的节点成为邻居.计算机仿真实验表明,新算法显著地提高文件共享系统的整体吞吐量,减少用户的平均下载时间,从而有效地改善P2P文件共享系统的整体性能.     

一种基于负载均衡的数据部署算法

针对采用分片存储方式且存储节点异构的媒体分发网络(Media Delivery Network,MDN),提出一种数据部署算法,使分布式节点之间达到负载均衡.算法为每个存储节点定义一个权值来描述其服务能力,通过一种反馈机制,即根据各存储节点偏离平衡状态的程度,来选择要部署数据的节点.实验结果表明:使用算法,不仅在数据增加、删除以及增删混合时,可使系统达到一个较低的负载不均衡度,而且对于各种原因导致的系统负载失衡,经过足够长的时间,都能使系统的负载不均衡度收敛到一个较小的数值.     

基于内容热度与节点介数的NDN网络缓存策略

缓存技术是数据命名网络（Named data networking,NDN）的关键技术之一. NDN传统的LCE缓存策略会造成较大的冗余. 改进的RCOne策略采用随机放置的方法,没有利用任何内容、节点信息,对网络缓存性能的提升有限. Betw策略只考虑到节点介数,导致高介数节点缓存更替频繁,当节点缓存容量远小于内容总量时,缓存性能下降. 为了解决这些问题,本文提出一种结合内容热度与节点介数的新型缓存策略HotBetw（Hot content placed on node with high Betweenness）,充分利用内容与节点信息选择最佳的位置放置缓存. 仿真实验表明相对于典型NDN缓存策略,HotBetw缓存策略在提高缓存命中率、降低平均跳数方面具有很好的效果.     

基于多学习策略的网页信息抽取方法

由于网页信息具有异构和动态的特点,致使现有的大多数网页信息抽取方法都存在适用性差的问题。为此,将传统的文本分类器和隐式马尔可夫学习策略结合起来,提出了一种基于多学习策略的网页信息抽取方法。该方法在获得网页文本记录的局部最优分类抽取结果基础上,还利用了整个网页文本结构信息对抽取结果进行进一步优化。实验结果表明,该方法不需要对新的站点进行学习,就能获得较高的信息召回率和抽取精度,具有较强的适用性。     

基于同心圆分割的大视场星图识别算法

针对星敏系统常见的三角形识别算法数据冗余量大、识别速度特别是初始识别速度低的问题,提出一种基于同心圆分割的大视场(FOV)星图识别算法。在分析星图信息以获得其主星的基础上,围绕主星以一定的半径画8个同心圆,再根据各星的坐标统计每个圆环内的星数量,从而得出主星的伴星分布向量。以同样方法基于基本星表构建相对应的导航星特征库,然后利用伴星分布向量与特征库进行模式匹配,从而得出星图识别结果。对特征库中的数据,根据各向量的第一维元素大小进行排序,以加快算法的识别过程。仿真实验结果表明,该算法所需的导航星特征库存储空间小,具有良好的实时性、抗噪性与较高的识别率,能够以95.3μs的识别时间达到88.9%以上的正确率,可与其他识别算法相结合,执行于不同的阶段,实现更高效、准确的天文导航。     

基于网络单纯形的虚拟网络映射算法

在软件定义网络(SDN)架构中,虚拟网络映射是实现网络虚拟化的关键技术。针对虚拟网络映射算法映射成本高、执行时间长的问题,提出一种虚拟网络映射算法Simplex-VNM。在节点映射阶段,对虚拟节点按照资源需求进行排序,综合考虑节点连通性和映射成本选择映射节点。在链路映射阶段,采用网络单纯形算法求解最小费用流问题。实验结果表明,相比于NA-PVNM和Improved-vnmFlib算法,该算法具有更低的映射成本和更短的运行时间。     

相似时间序列的快速检索算法

在前人提出的扩展时序数据距离定义的基础上 ,首先提出一种在时域上计算时序数据距离的新算法 ,该算法时间复杂度为 O( n× m ) ,能够解决时序数据在 Y轴上的漂移和伸缩带来的问题 ;之后提出一种在频域上计算时序数据距离的新算法 ,该算法时间复杂度仅为 O( n× fc) ,效率很高 ,便于在线实现 ,而且同样能够解决时序数据漂移和伸缩的问题 ;本文还给出和证明了该算法的一个重要组成部分 :时序数据增量式的 DFT算法     

通用缓存替换策略下的缓存强一致性研究

建立准确的缓存分析模型有助于更好地预测缓存行为,对于网络性能分析与规划具有重要作用。现有面向缓存强一致性研究的分析模型普遍基于最近最少使用（LRU）缓存替换策略,然而在实际环境中需要根据不同的应用场景和缓存节点能力采取LRU、q-LRU、先进先出等不同的缓存替换策略。为扩展缓存强一致性分析模型的适用范围,基于缓存建模的基本假设构建缓存强一致性通用分析模型,并给出被动查询、主动移除、主动更新3种缓存强一致性策略下缓存命中率和服务器负载的计算方法。利用模型计算结果绘制缓存参数变化曲线图找出使缓存性能达到最优的值,通过分析模型计算结果选出给定缓存参数时对应的最优缓存替换策略。实验结果表明,该模型在3种缓存强一致性策略下均具有较高的计算精确度,其中计算结果与仿真结果的最大误差和最小误差分别为6.92%和0.06%,适用于通过特征时间近似的缓存替换策略。