主动网络中CPU和带宽资源分配的公平性

传统的包调度方案能实现单一资源分配的公平性,但不能直接应用于主动网络中的主动节点上,因为主动节点包含多种相互关联的资源。提出一种能实现在主动节点中公平分配资源的包调度算法。仿真实验结果显示,该算法能在主动流之间实现CPU和带宽资源的有效公平分配。     

一种主动节点模型及路由方案

主动网络可以传递、计算包含数据和特定应用／服务方法的主动包，这样就能实现网络的快速定制，文中在移动Agent技术支持的主动网络体系结构上，设计了主动节点的模型，以及路由方案，并对路由方案的性能进行了测试。     

一种求解MPMGOOC问题的启发式算法

具有间隙约束和一次性条件的最大模式匹配(Maximum Pattern Matching with Gaps and One-Off Condition,MPMGOOC)是一种具有通配符长度约束的模式匹配问题,其任务是寻找彼此互不相关的最多出现.文中基于一种新的非线性数据结构——网树,提出了一种解决MPMGOOC问题的...     

基于粗糙集与肤色模型的人眼定位算法

提出了一种新的针对彩色图片中的人眼定位算法。该算法将粗糙集与肤色模型相结合，在对人脸区域的粗定位基础上，根据不同灰度值点的分布函数以及相似度模型提供的统计指标，构造候选人眼区域的属性集。运用粗糙集中的属性约简和规则生成算法，进行彩色图片中的人眼定位。实验表明该算法定位精度高，其结果为进一步的人脸识别预处理提供了准确的数据。     

融合矩阵分解和代价敏感的微生物数据扩增算法

微生物会对人类健康产生直接影响,对相关数据的分析有助于疾病诊断。然而,采集到的数据存在类不平衡与高稀疏性两个问题。现有的过采样方法在一定程度上可缓解数据的类不平衡,但是难以应对微生物数据的高稀疏性。本文提出了一种融合矩阵分解和代价敏感的数据扩增算法,其包含3个技术。首先,将原始矩阵分解为样本子空间和特征子空间;其次,利用样本子空间的正向量及其近邻向量生成合成向量;最后,根据合成向量与所有负向量的距离对其过滤。实验在8个微生物数据集上进行,同时与5种过采样算法对比,结果表明本文所提算法能够增强正样本的多样性,在识别出更多正样本的同时,分类结果的代价更低。     

启发式概念构造的组推荐方法

形式概念分析是形式背景的数据分析方法,已被引入推荐系统领域。概念格作为形式概念分析的有效工具,因其构造效率低下,所以难以应对电子商务中的大规模数据。为解决该问题,提出一种基于启发式概念构造的组推荐方法。首先,基于用户共同评分的项目,定义概念构造的启发式信息,实现概念的快速构造;同时利用内涵约束,在保证群组相似度的基础上,构造当前面积最大的概念,以包含更多的邻居用户;然后,在覆盖所有用户的概念集合上,统计项目在群组中的流行度,实现对群组用户的组推荐。在抽样数据集和MovieLens上,对比了该算法与两类不同的推荐算法。实验结果表明,在大规模数据下,该算法能在快速生成概念集合同时满足推荐需要。     

基于多种聚类算法和多元线性回归的多分类主动学习算法

针对传统岩性识别方法识别精度低,难以和地质经验有机结合的问题,提出了一种基于多种聚类算法和多元线性回归的多分类主动学习算法（ALCL）。首先,通过多种异构聚类算法聚类得到对应每种算法的类别矩阵,并通过查询公共点对类别矩阵进行标记和预分类;其次,提出优先级最大搜寻策略和最混乱查询策略选取用于训练聚类算法权重系数模型的关键实例;然后,定义目标求解函数,通过训练关键实例求解得到每种聚类算法的权重系数;最后,结合权重系数进行分类计算,从而对结果置信度高的样本进行分类。应用大庆油田油井的6个公开岩性数据集进行实验,实验结果表明,ALCL的分类精度最高时,比传统监督学习算法和其他主动学习算法提高了2.07%~14.01%。假设检验和显著性分析的结果验证了ALCL在岩性识别问题上具有更好的分类效果。     

基于主动网络的资源需求预测技术研究

AVNMP使用仿真模型对网络节点的资源需求实施模拟预测。本文提出了扩展的AVNMP-EAVNMP，使用阴影拓扑覆盖网络，预测主动网络节点之间的消息负载量；并运用可适应CPU时间模型，预测在任意主动网络节点中每个主动消息所需要的CPU资源。实验结果显示，EAVNMP的预测性能大大优于AVNMP。     

基于多种聚类算法和多元线性回归的多分类主动学习算法

针对传统岩性识别方法识别精度低，难以和地质经验有机结合的问题，提出了一种基于多种聚类算法和多元线性回归的多分类主动学习算法（ALCL）。首先，通过多种异构聚类算法聚类得到对应每种算法的类别矩阵，并通过查询公共点对类别矩阵进行标记和预分类；其次，提出优先级最大搜寻策略和最混乱查询策略选取用于训练聚类算法权重系数模型的关键实例；然后，定义目标求解函数，通过训练关键实例求解得到每种聚类算法的权重系数；最后，结合权重系数进行分类计算，从而对结果置信度高的样本进行分类。应用大庆油田油井的6个公开岩性数据集进行实验，实验结果表明，ALCL的分类精度最高时，比传统监督学习算法和其他主动学习算法提高了2.07%~14.01%。假设检验和显著性分析的结果验证了ALCL在岩性识别问题上具有更好的分类效果。     

带权约简及其在汉语词性标注自动校对中的应用

提出带权约简的概念，并研究了带权约简算法．首先指出已有约简算法无法融合人类的先验知识；然后提出使用权值向量表示这类知识，用于属性重要性的计算，获得基于区分能力的带权约简算法，并分析带权约简与经典约简的关系；最后将算法应用于汉语词性标注自动校对，并讨论了权值向量的具体设置．实验结果表明，使用所提出的算法及相应权值向量，可获得更有利于预测的约简．