基于不同划分优度的因特网拓扑聚合特征

因特网拓扑的社区聚合特征对网络性能具有重要影响.本文选取两种不同的社区划分算法:基于模块度Q的MOME算法与基于伸缩变换覆盖测度SCM的SACA算法,利用10年实际测量数据,对因特网AS层拓扑分别进行社区划分,获得的社区结构具有显著差异,究其根源在于两种算法采用的社区划分优度不同.分析发现:微小社区占大多数的幂律分布以及社区结构以星型为主的现象是SCM测度自身限制的效果.基于模块度Q的社区划分显示因特网拓扑聚合程度显著且呈增长趋势,社区规模随网络规模增长,社区结构以稠密的非星结构为主.研究表明,设计适当的社区划分优度及划分算法对于正确理解实际网络真实聚合特征具有重要意义.     

新型复合保温隔声管道包扎结构研究

目前,常用的管道隔声手段通常采用管道外壁包扎隔声材料的方法。此类管道隔声包扎结构高频隔声效果较明显,但在低频,当波长大于材料厚度10倍以上时,管道与包扎材料层易产生共振而使隔声性能显著下降。提出了一种在不改变原始包扎厚度与保温性能的基础上能够显著提高低频隔声性能的双层分立式复合保温隔声包扎结构,有效解决了现有保温隔声管道包扎结构低频隔声性能差的问题。     

QoS技术中令牌桶算法实现方式比较

令牌桶算法是目前IP QoS中最常采用的一种流量测量方法,广泛应用于约定访问速率技术、通用流量整形技术以及物理接口总速率限制等技术中。IETF RFC建议规范了单速率三色标记和双速率三色标记两种令牌桶算法,在桶的构成、令牌添加和报文处理流程方面前者较后者简单,成为目前业界比较常用的流量标记方式。在实际应用中,应针对不同的流量特征选择恰当的标记方式。     

MPLS与业务恢复

本文讨论MPLS的快速业务恢复和优化业务恢复能力。首先分析MPLS体系结构中有利于快速业务恢复的属性，如控制与转发分离、统一的转发过程、标签栈等，在此基础上论述MPLS的再选路机制在IP网快速业务恢复和优化业务恢复等方面的应用。最后给出对此问题的看法。     

基于数据挖掘的用户忠诚度分析

用户聚类分析是数据挖掘中的重要手段.文中根据视频应用的特点,在传统的RFM模型基础上,提出一种根据用户观看行为对用户进行聚类的方法:Video-RFM聚类法.利用该方法,文中对中国最大的网络电视运营商PPTV的客户端用户进行了聚类分析.在此基础上,提出了一套将Video-RFM聚类法所使用的用户行为指标,映射到用户忠诚度指数的有效方法.经过实际数据验证发现,Video-RFM方法能够成功地区分行为差异较大的用户群,同时也能够很好地区分用户忠诚度.文中提出的聚类方法对了解视频系统的用户行为具有普遍的参考价值.文中对用户忠诚度的定量研究,对企业优化产品质量具有实际意义.     

基于位置的社交网络链接预测特征研究

基于位置的社交网络(Location-Based Social Network,LBSN)提供了用户在线网络关系和签到行为双重信息,连接了虚拟网络和现实生活.本文结合传统的基于网络结构和空间位置相似性的LBSN链接预测方法,从签到时间和频率2方面提出新的链接预测特征,通过Brightkite网络数据统计分析证明其预测有效性.综合多种指标建立LBSN链接预测框架,实验结果表明加入这2类指标后预测准确率有明显提高.     

多约束最短链路分离路径精确算法

在通信的源和目的间寻找两条(主用和备用)链路分离的QoS路径是提供可靠QoS路由的重要途径.现有求解多约束链路分离路径对(multi-constrained link-disjoint path pair,简称MCLPP)的算法难以保证求得存在于任意网络中的可行解和最优解.为解决这一问题,分析了MCLPP问题最优解的性质,提出了精确算法的设计原则,在此基础上给出了求解MCLPP问题的精确算法(link-disjoint optimal multi-constrained paths algorithm,简称LIDOMPA算法),可对任意网络求解客观存在的多约束最短链路分离路径对.为了降低算法的复杂性,引入了候选最优解、紧缩的约束向量和结构化的路径支配3种关键方法,在保障算法精确性的同时,有效地降低了LIDOMPA的搜索空间.大量的实验结果表明,LIDOMPA的求解能力优于现有算法,同时可以实现较低的算法执行时间开销.     

IP网络管理中的数据采集问题

简要分析了IP网络管理的背景,论述了IP网络管理中有关数据采集的几个关键问题,并提出了可能的解决方法,最后给出了我们采用的应用软件开发平台和SNMP协议软件包。     

多约束最短链路分离路径精确算法

在通信的源和目的间寻找两条(主用和备用)链路分离的QoS路径是提供可靠QoS路由的重要途径.现有求解多约束链路分离路径对(multi-constrained link-disjoint path pair,简称MCLPP)的算法难以保证求得存在于任意网络中的可行解和最优解.为解决这一问题,分析了MCLPP问题最优解的性质,提出了精确算法的设计原则,在此基础上给出了求解MCLPP问题的精确算法(link-disjoint optimal multi-constrained paths algorithm,简称LIDOMPA算法),可对任意网络求解客观存在的多约束最短链路分离路径对.为了降低算法的复杂性,引入了候选最优解、紧缩的约束向量和结构化的路径支配3种关键方法,在保障算法精确性的同时,有效地降低了LIDOMPA的搜索空间.大量的实验结果表明,LIDOMPA的求解能力优于现有算法,同时可以实现较低的算法执行时间开销.     

基于数据挖掘的用户忠诚度分析

用户聚类分析是数据挖掘中的重要手段。文中根据视频应用的特点,在传统的RFM模型基础上,提出一种根据用户观看行为对用户进行聚类的方法:Video-RFM聚类法。利用该方法,文中对中国最大的网络电视运营商PPTV的客户端用户进行了聚类分析。在此基础上,提出了一套将Video-RFM聚类法所使用的用户行为指标,映射到用户忠诚度指数的有效方法。经过实际数据验证发现,Video-RFM方法能够成功地区分行为差异较大的用户群,同时也能够很好地区分用户忠诚度。文中提出的聚类方法对了解视频系统的用户行为具有普遍的参考价值。文中对用户忠诚度的定量研究,对企业优化产品质量具有实际意义。