一种改进的演化型Internet拓扑模型

通过分析传统的基于偏好依附的演化型Internet拓扑模型BA模型,针对其考虑网络演化过程中事件的不完善性,提出一种BA模型的改进VBA模型。该模型更全面地考虑了网络演化过程中加边、加点和去边三种事件。对VBA模型的拓扑度量值分析结果表明,该模型能够生成比传统模型更优的具有幂律度分布和小世界特性的网络实例。     

一种改进的演化型Internet拓扑模型

通过分析传统的基于偏好依附的演化型Internet拓扑模型BA模型，针对其考虑网络演化过程中事件的不尧善性，提出一种BA模型的改进VBA模型。该模型更全面地考虑了网络演化过程中加边、加点和去边三种事件。对VBA模型的拓扑度量值分析结果表明，该模型能够生成比传统模型更优的具有幂律度分布和小世界特性的网络实例。     

基于无尺度易感应用网络的拓扑蠕虫传播模型

分析了基于无尺度易感应用网络的拓扑蠕虫的传播特性,包括其感染整个应用网络所需要的传播时间和其在传播过程中对相关主机和网络资源的占用情况等。通过与扫描蠕虫相比较,分析出该类拓扑蠕虫传播时间更短,并且在传播过程中具有更好的隐蔽性,在实施最终攻击前很难被检测,从而使其对网络和主机具有更大威胁。针对这种威胁,文章提出了几种用于检测和防御基于无尺度网络应用拓扑蠕虫的可能方法。     

基于无尺度网络的僵尸网络传播模型

主流传播模型不能准确反映僵尸程序在Internet中的传播特性。针对该问题,提出一种基于无尺度网络结构的僵尸网络传播模型。该模型考虑了Internet网络的增长特性和择优连接特性,能够反映实际网络中的无尺度特性,更符合真实Internet网络中僵尸程序的传播规律和感染特性。     

Internet拓扑建模综述

Internet拓扑建模是在更高层次上开发、利用Internet的基础.Internet拓扑模型研究经历了从随机型到层次型,再到无尺度(scale-free)网络的过程.对包括幂率(power law)在内的多种Internet拓扑特征及其相应度量进行了分析,对现有的拓扑模型、拓扑生成算法以及拓扑生成器进行了全面的综述.最后论述了目前研究中遇到新的问题与挑战,并对今后技术路线进行了总结.     

一种节点可控的扩展无尺度网络模型

针对扩展无尺度网络模型中节点连接度无限制增长,造成有些节点的度过于集中,在实际网络中,其对应的容量根本就达不到这一现象。在原模型基础上增加了节点连接度最大值的控制。根据实际网络中其对应的容量应该有相应的极限值,当节点到达极限值的时候,采取相关的控制措施。理论分析和仿真实验证明改进后的网络模型,仍服从无尺度网络特性,并更接近于真实网络。     

无尺度网络下的僵尸网络传播模型研究

僵尸网络是一种从传统恶意代码进化而来的新型攻击方式,已成为Internet安全的一个重大威胁。建立僵尸网络的传播模型已成为研究僵尸程序传播特性最有效的一种方法。当前建立的僵尸网络传播模型均是基于随机网络理论的,而实际的Internet是一个具有无尺度特性的复杂网络,因此,这些主流传播模型并不能完全准确反映僵尸程序在Internet的传播特性。提出了一种基于无尺度网络结构的僵尸网络传播模型,根据Internet的实际情况,结合网络流量阻塞这一Internet中的常态现象,重点考虑了真实Internet中节点的增长性和择优连接性。仿真结果表明,该模型不仅符合真实Internet网络中僵尸程序的传播规律和感染特性,而且能够反映出网络中出现拥塞时僵尸程序的感染特性。     

一种电子邮件网络的加权演化模型与仿真

本文中提出了一种电子邮件网络加权动态演化模型,它通过生成和删除两种机制来模拟用户定期整理其地址簿的行为,模拟了真实电子邮件网络拓扑结构的动态演化.并通过仿真实验研究了不同演化机制对该网络中3个重要的属性的影响.     

无标度企业组织网络特征及其演化模型

本文讨论了一种特别的企业组织网络—无标度企业组织网络及其特征,并基于复杂网络理论提出了无标度企业组织网络的演化模型。该演化模型基于二种演化机制:第一种是考虑企业组织网络的初始结构—全连通结构和星形连接结构;第二种是基于局域信息的优势连接。计算机仿真结果显示:在全局择优连接下,无论企业组织网络的初始结构如何,企业组织网络都将演化无标度网络;局域择优连接仍然可能形成无标度企业组织网络。     

一种基于复杂网络特性的Internet拓扑模型

文章从复杂网络研究的角度出发,根据Internet的统计特征及其形成机制提出了一种基于消息传递的自组织Internet拓扑模型。该拓扑模型动态模拟整个Internet的生长过程:平面上随机分布的孤立节点通过相互发送消息,消息中保存消息源的优先度等信息,每个节点根据接收到的消息决定如何建立连接。网络由初始的孤立节点自下而上自组织形成一个具有层次结构的Internet拓扑结构。仿真试验表明由该模型生成的拓扑结构在度分布以及聚集系数等方面能够准确地吻合现实Internet拓扑结构。     

基于Elman神经网络的二自由度内模控制方法研究

将遗传算法、Elman神经网络和二自由度内模控制相结合,提出一种基于Elman神经网络辨识和遗传整定的二自由度内模控制算法.仿真结果表明,相对于常规内模控制方法,该方法对输入信号的动态响应快,系统超调量和调节时间减少,抗干扰能力强,控制精度高.     

基于加权梯度和Snake模型的尿沉渣提取

针对尿沉渣图像的背景和目标区分度低、有形成分复杂,导致提取困难的问题,设计了基于加权梯度和Snake模型的尿沉渣提取算法.首先采用基于区域生长的阈值分割方法对尿沉渣进行粗定位,然后通过形态学的方法确定Snake模型的初始蛇,最后将加权梯度融入到Snake模型中,完成对尿沉渣的准确提取.实验表明算法性能稳定,所提取的尿沉渣区域定位准确.特别是解决了虚假边缘和边缘断裂现象较为严重的尿沉渣轮廓提取.     

一种基于模糊加权型推理法的模糊神经网络

本文在Ｍａｍｄａｎｉ模糊推理法的基础上,给出了改进的模糊加权型推理法－广义模糊加权型推理法。     

基于RBF神经网络的攻防博弈模型

为了阐明网络攻防过程中博弈双方如何确定对方的类型,从而选择行动策略,提出了基于RBF神经网络的攻防博弈模型。首先使用两人随机博弈模型来分析网络攻防双方的特点,揭示制约双方选择策略的因素;通过精炼贝叶斯纳什均衡求得博弈双方选择的最优策略;最后,根据可疑者的行动策略和系统的状况,使用RBF神经网络对其类型进行推理。     

基于BPSO-RBF神经网络的网络流量预测

为了提高网络流量的预测精度,针对网络的时变性和混沌性,提出一种反向学习粒子群优化神经网络的网络流量预测模型(BPSO-RBFNN)。首先将网络流量样本输入到RBF神经网络进行学习,采用引入反向学习机制的粒子群算法优化参数,然后建立网络流量预测模型,最后采用仿真实验对模型性能进行分析。结果表明,BPSO-RBFNN可以描述网络流量的时变性、混沌性变化趋势,网络流量预测精度得以提高,具有较好的实际应用价值。     

基于加权关联规则的个性化推荐研究

关联规则是个性化推荐系统中最重要的技术手段之一.传统的基于关联规则的个性化推荐认为,每个项目都具有相同的重要性,在实际应用中缺乏一定的针对性.在New-Apriori算法的加权支持度基础上结合Fp-growth算法思想,提出了基于Fp-树的加权关联规则算法.在实验中采用网页被用户选择的频率作为权重值,在个性化推荐系统中对该算法进行了实现.实验结果表明该算法具有较高的准确性和效率.     

基于Internet的网络地图交互制图实现研究

网络地图是指在万维网(WWW)上浏览、编辑、制作的地图,它作为一种空间信息的可视化与传播形式不仅包括在Web上浏览地图,还包括在Web上编辑制作地图.目前网络地理信息系统中仅仅做到对网络地图的发布已不能够满足广大WebGIS用户的工作需求,因此在网络地理信息系统中还应提供网络地图在浏览器端的交互制图功能.针对这一问题提出了基于Internet的网络地图交互制图的实现方法,并将其应用到了重庆市渝北区土地利用规划管理信息系统中,成功地实现了在浏览器端对地图进行交互制图操作.     

基于VDES的船联网移动自组织路由协议研究

基于甚高频数据交换系统(VHF Data Exchange System,VDES),通过分析海上真实船舶运动特征,提出一种符合船舶移动特征的移动模型——船舶平滑转向的高斯马尔可夫移动模型。针对性地研究了不同船舶节点密度环境中的自组织网络路由协议,仿真分析了不同自组织网络路由协议应用于VDES时的数据传输性能。结果表明,按需距离矢量(Ad Hoc on-demand Distance Vector,AODV)路由协议明显优于其他路由协议,可将其作为VDES下船联网系统最优路由选择方案。     

基于神经网络的强化学习算法研究

BP神经网络在非线性控制系统中被广泛运用,但作为有导师监督的学习算法,要求批量提供输入输出对神经网络训练,而在一些并不知道最优策略的系统中,这样的输入输出对事先并无法得到,另一方面,强化学习从实际系统学习经验来调整策略,并且是一个逼近最优策略的过程,学习过程并不需要导师的监督。提出了将强化学习与BP神经网络结合的学习算法-RBP模型。该模型的基本思想是通过强化学习控制策略,经过一定周期的学习后再用学到的知识训练神经网络,以使网络逐步收敛到最优状态。最后通过实验验证了该方法的有效性及收敛性。     

基于加权投影的二分网络的链路预测

二分网络上的链路预测是复杂网络中的重要研究内容.充分利用拓扑结构,提出一种基于双向投影的二分网络上的链路预测算法.它能同时投影二分网络上的两类节点,分别生成基于顶部节点的投影图和基于底部节点的投影图.通过基于资源分配的加权方法得到同类节点之间的资源权重比,利用相似度度量两类节点之间未链接边资源分配值进行比较,预测出链路...