排序方式: 共有7条查询结果,搜索用时 125 毫秒
1
1.
为了有效评估无标度网络的抗毁性,建立了一个基于业务需求参数的模型,提出了计算活跃路径和备份路径的方法.利用该模型可以建立抗毁性强、免受攻击的端到端连接.模型的核心思想是对于重要的业务,建立绕开中心的路径,这样重要的连接可以更好地抵御攻击.实验结果表明在最好情况下的最高等级服务中,受破坏减少的连接数为3. 相似文献
2.
针对单一分类方法在训练样本不足的情况下对于小样本网络流分类效果差的特点,通过自适应增强(Adaptive Boosting,AdaBoost)算法进行流量分类。算法首先使用CFS(Correlation-based Feature Selection)特征选择方法从大量网络流特征中提取出少量高效的分类特征,在此基础上,通过AdaBoost算法组合决策树、关联规则和贝叶斯等5种单一分类方法实现流量分类。实际网络流量数据测试表明,基于AdaBoost的组合分类方法的准确率在所选的几种算法中是最高的,其能够达到98192%,且相对于单一的分类算法,组合流量分类方法对于小样本网络流的分类效果具有明显提升。 相似文献
3.
Agent体系结构是由理论研究向系统实现的关键一步。首先,在Agent特性分析和形式化描述的基础上,阐述了Agent的层次概念框架。然后,研究SubSumption,BDI和GRATE等典型结构特点,比较了反应式和慎思式两种体系结构,反应式Agent和慎思式Agent体系结构各有优劣。确立采用分层式混合结构的设计思想,并结合Agent的特性,从信息流和控制流的角度来刻画更为复杂的层次结构。在此基础上,设计了一种带序列池(POOL)的二维混合体系结构,并对其实现机制进行了深入研究。在不增加系统复杂性的前提下,提高系统的效率和能力。 相似文献
4.
为了求解基于自然语言评价信息的多属性群决策问题,提出了一种基于二元语义的语言加权取大(T-LWM)改进算法。该算法利用二元语义对传统语言加权取大算法进行改进,将语言评价信息转换成二元语义形式,求取各决策者给出的属性权重平均值作为方案集结数据。该方法的目标是降低决策结果易受个别决策者不良数据影响,提高算法的健壮性。验证结果表明:与传统的语言加权取大算法相比,该算法具有运算简便,决策过程客观,分辨方案能力强的优点。 相似文献
5.
基于新型语言评估标度的二元语义改进模型 总被引:1,自引:0,他引:1
为了有效地求解基于语言评价信息的多属性决策问题,针对目前常用的二元语义分析方法中存在的标度转换问题,提出一种处理语言评价信息的新型复合标度(该标度综合了指数标度和-n~n标度的优点),建立了基于新型复合标度的二元语义改进模型.算例验证结果表明,新型复合标度为处理定性的语言评价信息提供了科学依据,所提出的改进模型可以有效提高决策结果的精度和可信度. 相似文献
6.
7.
一种新的基于Agent的体系结构 总被引:2,自引:1,他引:1
Agent体系结构是由理论研究向系统实现的关键一步。首先,在Agent特性分析和形式化描述的基础上,阐述了Agent的层次概念框架。然后,研究SubSumption,BDI和GRATE等典型结构特点,比较了反应式和慎思式两种体系结构,反应式Agent和慎思式Agent体系结构各有优劣。确立采用分层式混合结构的设计思想,并结合Agent的特性,从信息流和控制流的角度来刻画更为复杂的层次结构。在此基础上,设计了一种带序列池(POOL)的二维混合体系结构,并对其实现机制进行了深入研究。在不增加系统复杂性的前提下,提高系统的效率和能力。 相似文献
1