面向实时海量数据流的数据聚类

针对海量实时数据流,提出了一种基于密度和网格划分相结合的聚类算法.首先对数据空间进行划分,判断每个单元格中数据点的属性.如果单元格内数据点密度高于阈值,则判定这些点为核心点;否则,根据单元格邻居内数据点的数量对数据点进行再次判断,以确定单元格内的数据点是边界点还是噪声点.算法克服了基于密度的算法运行效率低的缺点,又弥补了基于网格的算法精度较低的不足.通过实验验证了算法的效率和性能,并与经典的DBSCAN和CLIQUE算法进行了对比分析.最后分析了算法在面向海量实时数据流方面所具有的优势,并提出了进一步的研究方向.     

跨越域的Cookie

所有的网站开发者都会非常喜欢cookie的强大特性和易用性,它在跟踪用户信息,建设人性化、个性化的网站方面,有着强大的作用,而且,又避免了使用数据库的昂贵开销。但是,cookie却不能跨越域传递,只有那些创建它的域才能访问;这里,我们讨论如何利用ASP突破这个限制。     

模糊灰色预测控制研究

本文给出了典型模糊控制器的一种化简方法,使得连续型模糊控制器的计算量接近离散型模糊控制器,本文的研究将为连续型模糊控制器的实际应用提供有力的支持。     

WIA-PA网络中的无冲突资源调度算法

在使用TDMA和FDMA机制的WIA-PA网络中,由于其无线多跳的mesh结构,时隙和信道的调度复杂变得更为复杂.本文归纳分析了多信道无线多跣mesh网络中资源冲突的类型,提出了一种对时隙和信道进行调度的算法.算法利用无线mesh网络中数据传输的路由特征,以网关为根,使用广度优先搜索算法构造uplink路由,对路由图中的节点着色,从而确定每个链接使用的时隙;然后根据链接在路由中的层次,为连续三个层上的链接分配互不相同信道.算法使用至多2倍图的度数减2个时隙,使用不多于三个信道保证了各链接的无冲突传输.最后,分析证明了算法的有效性,并通过仿真验证了算法的性能.     

Mesh结构无线传感器网络中的自适应跳频机制

提出了一种用于Mesh拓扑结构无线传感器网络的自适应跳频算法,网络中的节点根据邻居的连接信息选择自己与邻居通信的备用信道,一旦当前信道质量变差,通信双方放弃当前信道,使用备用信道进行通信,从而提高了网络的可靠性. 算法有效地利用了多信道进行通信,在网络密度不太大且网络拓扑变化不频繁的情况下是有效的.      

基于P2P技术的网络视频会议系统研究

P2P技术的迅速发展使其成为构建广域网中大型分布式系统的有力工具.P2P流媒体系统作为P2P技术的重要应用之一也成为当前分布式系统领域的一个研究热点.介绍利用P2P流媒体技术设计视频会议系统的方法,重点讨论了路由选择机制、流媒体播放方法和节点管理机制.     

面向最小延迟的无线mesh网络时隙分配问题研究

在基于IEEE802.15.4的工业无线传感器网络中,通过时分复用技术来实现节点间并行通信,以提高网络的吞吐量.通常,网络中的管理器根据全网拓扑对网络中的每个连接分配一个超帧中相应的时隙.不同的时隙分配方案中,连接在超帧中活动的顺序也不同,对网络性能的影响也不同.本文研究了不同时隙分配方案在网络吞吐量和数据延迟方面对网络的影响,定性分析了时隙分配方案与数据延迟的关系,并根据mesh结构的特点提出一种使用粒子群优化的算法,用于在网络管理器上对时隙分配进行优化,使得数据延迟最小化,以满足工业无线网络实时性应用的要求.     

使用单任务变量建立基于类的购物车

购物车可以认为是电子商务系统中用户界面的核心部件,它用于告诉用户他选购的商品的数量和种类。在用户购物的过程中,他可能随地会删除购物车中的任何一项,或者增加一项;这种情况下,购物车种的商品数量必须要重置,这种功能是任何购物车所必须具备的。 互联网的全球化属性使得开发者在购物车的性能和功能之间有几分难以抉择。尽管在开发购物车时有很多选项,但是,却没有一个对于性能是有效的。例如,可以将购车种的所有项目存在session变量中,但是,我们明白,session变量无异于服务器杀手,过多的使用会严重地降低服务器的性能。另一个步骤就是使用数据库来维护购物车,但是,每次     

基于密度的Top-n局部异常点快速检测算法

局部异常检测（Local outlier factor,LOF）能够有效解决数据倾斜分布下的异常检测问题,在很多应用领域具有较好的异常检测效果.本文面向大数据异常检测,提出了一种快速的Top-n局部异常点检测算法MTLOF（Multi-granularity upper bound pruning based top-n LOF detection）,融合索引结构和多层LOF上界设计了多粒度的剪枝策略,以快速发现Top-n局部异常点.首先,提出了四个更接近真实LOF值的上界,以避免直接计算LOF值,并对它们的计算复杂度进行了理论分析;其次,结合索引结构和UB₁、UB₂上界,提出了两层的Cell剪枝策略,不仅采用全局Cell剪枝策略,还引入了基于Cell内部数据对象分布的局部剪枝策略,有效解决了高密度区域的剪枝问题;再次,利用所提的UB₃和UB₄上界,提出了两个更加合理有效的数据对象剪枝策略,UB₃和UB₄上界更加接近于真实LOF值,有利于剪枝更多数据对象,而基于计算复用的上界计算方法,大大降低了计算成本;最后,优化了初始Top-n局部异常点的选择方法,利用区域划分和建立的索引结构,在数据稀疏区域选择初始局部异常点,有利于将LOF值较大的数据对象选为初始局部异常点,有效提升初始剪枝临界值,使得初始阶段剪枝掉更多的数据对象,进一步提高检测效率.在六个真实数据集上的综合实验评估验证MTLOF算法的高效性和可扩展性,相比最新的TOLF（Top-n LOF）算法,时间效率提升可高达3.5倍.     

基于小波分解的LSTM水质预测模型

水是人类和其它生命体所依赖的不可缺少的资源, 建立水质预测模型预测水质状况具有重要的社会经济和生态环保价值. 本文建立了基于小波分解的长短期记忆网络(LSTM)时间序列预测模型(W-LSTM), 运用Daubechies5 (db5)小波将水质数据分解为高频率和低频率信号, 再将这些信号作为LSTM模型的输入, 来训练模型预测水质数据. 利用安徽阜南王家坝流域采集到的4项水质指标(pH值、DO、CODMn、NH₃N)对该模型进行训练、验证和测试, 并与传统LSTM神经网络模型的训练和预测结果进行比较. 结果显示所提出的方法在多种评价指标上均优于传统LSTM模型, 表明了该方法具有较高的预测精度和泛化能力, 是一种更有效的模拟预测手段.