巨商 网络游戏革命的第一步

中国网络游戏发展的这几年，《暗黑破坏神》类网络游戏的推出就没有停止过。尤其以2003年最为频繁，虽然此类游戏在画面上都有了质的飞跃，但是其游戏内容仍然没有本质的改变。因此，现在中国网络游戏玩家最多的几个还是一些老牌的网络游戏，虽然也有些休闲类的网络游戏出现，但是因为游戏自身的限制，其规模和影响都不能和传统的大型网络角色扮演游戏同日而语。现在，     

随意评榜

最新一期榜单揭晓，闲言少叙．且看本月排行情况。本月“快车游戏下载榜”仍然是网络游戏的天下，且与本期“网游榜”前三甲不谋而合，连排名顺序都丝毫不差—《跑跑卡丁车》依旧稳坐第一，看来爱车一族不仅在现实生活中大有人在，就是在虚拟的网络游戏世界里也是人气鼎盛。《劲舞团》紧随其后，     

终极加速!迅游网络游戏加速器评测

在单机游戏失去了昔日风光后，网络游戏就成为了游戏军团中的绝对主力。虽然网络游戏可以使玩家沟通更自由，但游戏运行．却少不了网络为依托。如果网络环境并不理想，那也会使游戏体验大打折扣，于是网络游戏加速软件便应运而生了……     

网络游戏中通讯模块的设计与实现

在成功的网络游戏中网络通讯部分起着关键重用，从网络游戏的角度来看，通讯技术在其中起的最重要作用就是把游戏端的数据传送到服务器端．并且游戏端能接收服务器发过来的数据以确定游戏的下一步动作。因此网游通讯部分可分为服务器端和游戏端两部分。本文通过分析网络游戏的关键技术。并针对网络游戏中的网络通信给出一个切实可行的方案。     

浅谈音效制作的心得

音效．作为声音的一个组成部分，在游戏，特别是网络游戏中．占有极其重要的地位，很多经常玩网游的老玩家都有个习惯，就是在游戏的时候仅打开音效．长时间投入在游戏中仍然不会觉得枯燥．足见网游对音效的依赖性．音效是其密不可分的一个重要组成部分。     

网络时代的生活乐趣—网络游戏大讲评

网络时代总是少不了网络生活的，在游戏的世界里，网络游戏已经占据了半壁江山，那么网络生活和网络游戏有什么关系呢？会问这样问题的你一定没有玩过网络游戏，至少是没有深入地玩过。在网络游戏中有一个实实在在的生活空间，在众多的网络游戏中，战斗仅仅是游戏的一个部分而已，更重要的是你要学会在网络中生存，你甚至还能在游戏中结婚生子，它不是生活又是什么呢！２００２年是网络游戏发展强劲的一年，下面就为大家推荐几个时下非常火爆的网络游戏。石器时代系列很久很久以前的年代，是大家印象中野蛮的石器时代。《石器时代》的故事都…     

我该拿什么去爱你——魔兽世界硬件配置指南

《魔兽世界》这款倍受瞩目的网络游戏距离我们已经越来越近了．虽然它不至于像Counter-Strike：Source那样苛求100fps(Frame per second——即帧/秒)的帧速率才能让玩家发挥最高水平,但它仍然是一个不折不扣的“硬件杀手”。大家如果想要在多人的战斗场景中不至于因为硬件配置不够而惨遭不幸或延误战机，那么最好还是安下心来看看这篇硬件配置指南，以避免在今后的升级和游戏道路上走弯路（至少能够保持40fps以上比较流畅的帧速率)。     

网络游戏中通讯模块的设计与实现

在成功的网络游戏中网络通讯部分起着关键重用,从网络游戏的角度来看,通讯技术在其中起的最重要作用就是把游戏端的数据传送到服务器端,并且游戏端能接收服务器发过来的数据以确定游戏的下一步动作。因此网游通讯部分可分为服务器端和游戏端两部分。本文通过分析网络游戏的关键技术,并针对网络游戏中的网络通信给出一个切实可行的方案。     

网络游戏案例研究: 用户行为分析和流失预测过

用户流失预测在很多领域得到关注,目前主流的用户流失预测方法是使用分类法。网络游戏领域发展迅猛,但用户特征选取、特征处理和流失预测的相关研究较少。本文以一款网页网络游戏的用户记录为数据,对用户游戏行为进行分析对比,发现流失用户在游戏投入、博彩热情、玩家互动方面与正常用户存在显著差异;同时发现网络游戏数据存在样本分布不平衡、候选特征库庞大和干扰差异多等难点。在此分析基础上,本文探讨了网游用户的关键特征提取的关注方向,以及归一化和对齐化在特征处理中的关键作用。实验表明,本文提取的特征具有很好的区分度。     

只需要三招两式 无线网络也能畅快下BT

对于很多热衷于网上下载和游戏的网友来说，如果无线网络不能下载BT、不能流畅的进行网络游戏，那么它的价值就会降低很多。我们今天就给无线网络进行一些额外的设置，让它拥有和有线网络一样的下载效果。     

Packet-level traffic analysis of online games from the genre characteristics perspective

Recent online games exert increasing impact on network traffic. While considerable research efforts have been placed on the study of game network traffic, most studies examine either only a small sample of games or games within a specific genre. This paper aims to utilize extensive resources of all notable research studies on online game traffic published over the last decade, and obtain a critical understanding of traffic pattern from game genre perspective. A general classification will be given according to game genres in order to highlight the characteristics pertaining to different game types. Network traffic studies for various game genres will be analyzed individually in the packet level, i.e. interarrival time and packet size. Having highlighted the current research gaps on game network traffic study, this paper will also provide suggestions on areas worthy of future research. The research outcomes from previous studies, despite having some minor discrepancies, have evidenced major commonalities that offer consistent perspectives of online game traffic. These results can be correlated as a guide for general traffic modeling for each game genre that depicts the characteristics of network traffic trends.     

针对设备端口链路的LSTM网络流量预测与链路拥塞方案

针对设备端口链路流量,提出两种基于长短期记忆网络的预测模型。第一种针对在大时间粒度下平稳变化的流量;第二种则针对在小时间粒度下波动剧烈的非平稳流量。通过选用不同的数据划分方式与模型训练方法,构建两种具有不同网络结构的流量预测模型。实验结果表明,前者在处理平稳变化的流量时能够达到极高的预测精度,后者在处理非平稳流量时具有明显优于SVR模型、BP神经网络模型的预测效果。在第二种预测模型的基础上,提出了参数可调的链路拥塞预警方案,实验证明该方案具有一定的可行性。     

Multi-time-scale TFe prediction for iron ore sintering process with complex time delay

Iron ore sintering is a critical process in steel-making industry. It produces sinter with qualified iron grade (TFe) for the blast furnace process. The process variables display a multi-time-scale feature that is derived from the complex time delays involved in a sintering process. To resolve the contradiction between a single-time-scale data acquisition of TFe and a multi-time-scale feature that the process displays. A multi-scale prediction approach in offline and online modes was presented for the prediction of TFe. The approach not only solves the contradiction, but also meets the requirements of online and offline optimizations of a sintering process. First, a discrete wavelet transform method was combined with process knowledge to decompose the online and offline TFe component with different time scales. Then, an improved back-propagation neural network (IBPNN) with its input neurons not only connected to the hidden neurons but also to the output neurons was built for the offline TFe prediction under large-time scale. Last, a just-in-time-learning-based online model was built under the mixture time scales of medium and small. The simulation results of actual run data show that an IBPNN has a good overall performance compared with an extreme learning machine (ELM), an improved ELM, and a back-propagation neural network for the offline TFe prediction. The results also show the superiority of the multi-time-scale prediction model compared with an offline prediction and a one-time-scale prediction models.     

融合提升小波降噪和LSSVM的网络流量在线预测

针对网络流量数据被噪声污染而无法进行准确建模与预测的问题,将提升小波降噪(LWD)技术和在线最小二乘支持向量机(LSSVM)相结合,提出了一种网络流量的集成式在线预测方法。该方法首先对采集的流量数据进行降噪,然后采用相空间重构理论计算流量的时延、嵌入维数,据此确定训练样本并建立在线预测模型,对网络流量数据进行预测。实验结果表明,该方法能有效滤除流量噪声,实现在线预测,提高预测精度。     

RTS游戏中用户行为的神经网络预测模型

即时战略游戏(简称RTS游戏)中,用户的行为由于游戏自身庞大的决策空间而难以预测.针对这个问题,提出了通过对RTS游戏的对战记录进行分析,建立5种结构的神经网络模型来预测用户行为的方法.模型考虑了不同时间片的状态对于决策行为的影响,设计了单时间片输入和双时间片输入的神经网络,并与基于动态贝叶斯网络的模型进行了比较.实验结果表明,基于单时间片输入的神经网络模型能够更加快速地完成训练过程并达到满意的预测准确度.     

基于深度学习的主机负载在线预测模型研究

数据中心主机负载预测对于数据中心的资源调度和节能具有重要意义,但是目前缺乏一个通用模型以准确预测所有类型数据中心的主机负载情况。为了使主机负载预测模型具有一定的自适应性,提出一种基于深度循环神经网络编码器-解码器的多步在线预测模型。通过线上实时采集的能耗数据进行在线训练,同时设计一个在线监控模块,对模型的预测准确性进行实时监控和调整,使得该模型在不同数据中心中均能获得较准确的预测值。利用Google开源的时长为29天的数据中心主机负载数据集进行实验,结果表明,该模型的预测准确性接近离线训练,其预测性能优于ESN和LSTM模型。     

基于自编码器的网络游戏流量分类

加密和动态端口技术使传统的流量分类技术不能满足网络游戏识别的性能需求, 本文提出了一种基于自编码器降维的端到端流量分类模型, 实现网络游戏流量的准确识别. 首先将原始流量预处理成784 B的一维会话流向量, 利用编码器进行无监督降维, 去除无效特征; 接着探索构建卷积神经网络与LSTM网络并联算法, 对降维后的样本进行空间和时序特征的提取和融合, 最后利用融合特征进行分类. 在自建的游戏流量数据集和公开数据集上测试, 本文模型在网络游戏流量识别方面达到了97.68%的准确率; 与传统端到端的网络流量分类模型相比, 本文所设计的模型更加轻量化, 具有实用性, 并且能够在资源有限的设备中方便部署.     

基于图卷积神经网络的在线社区行为预测

在线知识社区中,问题的回答可以看作多个回答者用户(领域专家)之间的协作行为。协作行为在知识社区中通常是大规模地发生,协作行为预测对在线社交中领域专家的推荐有重要意义。基于在线知识社区中回答者用户之间的协作行为,构建以领域专家为节点,以他们之间的协作回答关系为边的协作网络。由于协作行为网络的构建与社交关系网络的构建上结构的相似性,可以将协作行为预测构建为协作网络中的链接预测问题。通过构建基于图卷积神经网络的链接预测模型,对在线知识社区中回答者用户的协作行为进行预测。基于“知乎”数据集的实验验证,与其他经典的预测方法进行比较时,发现提出的方法能够更加有效地预测在线知识社区中回答者用户之间的协作行为。     

A Visual-Based Gesture Prediction Framework Applied in Social Robots

In daily life, people use their hands in various ways for most daily activities. There are many applications based on the position, direction, and joints of the hand, including gesture recognition, gesture prediction, robotics and so on. This paper proposes a gesture prediction system that uses hand joint coordinate features collected by the Leap Motion to predict dynamic hand gestures. The model is applied to the NAO robot to verify the effectiveness of the proposed method. First of all, in ord...