基于合并分层聚类的网络拓扑推断算法

针对HTE（Hierarchical Topology Estimation）算法计算复杂度较高的问题及其在节点相关性估计方差较大条件下性能下降的问题，提出基于合并分层聚类的网络拓扑推断算法.该算法采用自底向上的合并分层聚类，每次聚类仅使用与最大相关节点对有关的数据，相对HTE算法降低了运算复杂度；建立了改进的有限混合模型，增加了参数推断的有效数据，提高了算法的参数估计精度.仿真结果表明相对HTE算法，本文方法可以更快地推断出网络拓扑，且在节点相关性估计方差较大条件下，有更高的拓扑推断精度.     

基于深度卷积神经网络的多节点间链路预测方法

目前,链路预测的研究主要针对拓扑结构变化缓慢的社交网络,集中在单节点对的链路预测.本文针对拓扑变化频繁的机会网络,提出一种基于模式分类的多节点间链路预测方法.该方法基于混沌时间序列理论确定机会网络的切片时间,采用状态图表征网络的拓扑结构,借助深度卷积神经网络在特征提取上的优势,从状态图的演化过程中提取机会网络的结构特征,根据当前特征推断未来链路的演化模式,实现多节点间的链路预测.在ITC（Imote-Traces-Cambridge）真实数据集上的实验结果表明,相比于基于CN（Common Neighbor）、AA（Adamic-Adar）、Katz等预测方法,本文方法具有更好的精度和稳定性.     

基于骨架树的线性骨架拓扑相似性度量算法

将骨架映射到一种骨架树结构中,树的层次和节点间的连接关系反映了骨架的拓扑特性;构造骨架树邻接矩阵并给出拓扑标记向量的定义,用拓扑标记向量之差的二范数作为两个骨架树匹配节点对的距离;将骨架的拓扑距离函数定义为骨架树的匹配距离,即建立最佳匹配关系的节点对距离之和。给出了一种用骨架树进行线性骨架拓扑相似性度量的算法,在计算复杂度和时间复杂度较低的情况下,对一般二维图形取得了较好的实验结果。     

战场干线网拓扑推断技术

拓扑推断是战场网络对抗的关键技术之一。在分析拓扑推断原理的基础上,给出了拓扑推断涉及的主要关键技术,提出了基于信源位置聚类的节点识别与类型判定方法,提出了基于数据帧和响应帧时间接续关系的链路识别方法。     

基于滑动区域的粒子群虚拟网节能映射算法

针对传统虚拟网节能映射中存在的节点映射分散、链路映射跳数多等问题,利用虚拟网请求的最小生成树拓扑将节点和链路同时映射,该文提出了基于滑动区域的粒子群虚拟网节能映射算法(EVNE_SRPS)。当一个虚拟网请求到达时,生成其最小生成树拓扑,根节点为路径和最短的节点;在底层网络随机选取多个区域作为粒子对象,并在区域中心映射虚拟网请求的最小生成树拓扑;计算粒子的适应度,求出群体和个体最优解,并在最优解的指导下确定滑动方向、更新区域位置,经过迭代后得到虚拟网的映射方案。实验结果表明,与现有算法相比,该算法降低了网络能耗,提高了运营商的收益成本比。     

基于Q-learning算法的无人机自组网AODV稳定路由改进方法

针对小型无人机集群组网中节点高速移动、网络拓扑变化剧烈导致的网络性能下降问题,在无线自组网按需平面距离向量（AODV）协议基础上,提出一种具有链路稳定度意识的无人机自组网路由协议（LN-AODV）。首先,通过加权计算链路维持时间和邻居节点变化度,从而选择稳定路径,解决拓扑结构动态变化条件下数据传输延迟和数据成功投递率下降的难题;然后,结合Q-learning算法自适应调整Hello消息的发送周期,使协议能够通过感知拓扑变化程度调整路由控制开销和拓扑感知灵敏度。仿真结果表明,相比于AODV,所提方法在端到端延迟、分组投递率、路由开销和数据吞吐量4个网络性能指标上分别提升7.56%,2.58%,17.39%,2.62%,可适应于节点高速运动的无人机自组网,对于无线自组网理论研究及拓展应用具有重要的借鉴意义。     

IPv6网络故障管理设计与实现

网络故障管理是对全网的IP节点设备和通讯链路等多种网络资源进行自动定期轮询检测,以发现节点设备的硬件故障和网络链路的中断。并且由于拓扑数据需要不断更新以确保其正确与有效,需要研究一个较为理想的更新策略来完成。因此通过学习并研究故障管理的各种知识,最终选定一种适合与拓扑发现相结合的故障管理方法,并将其集成到拓扑管理系统中去。     

QL-STCT：一种SDN链路故障智能路由收敛方法

针对软件定义网络（SDN）链路故障发生时的路由收敛问题,提出了Q-Learning子拓扑收敛技术（QL-STCT）实现软件定义网络链路故障时的路由智能收敛。首先,选取网络中的部分节点作为枢纽节点,依据枢纽节点进行枢纽域的划分。然后,以枢纽域为单位构建区域特征,利用特征提出强化学习智能体探索策略来加快强化学习收敛。最后,通过强化学习构建子拓扑网络用于规划备用路径,并保证在周期窗口内备用路径的性能。实验仿真结果表明,所提方法能够有效提高链路故障网络的收敛速度与性能。     

高稳定的可扩展覆盖网多播算法

提出了一种高稳定的可扩展覆盖网多播（SOM-HS, scalable overlay multicast with high stability）算法。SOM-HS算法定义了节点稳定度因子以及链路权重,能保证高稳定的节点位于多播树骨干网中。在分层分簇构造过程中,SOM-HS算法限制节点出度,保证节点负载均衡。实验结论表明,与现有其他算法相比,在不同组规模下,使用SOM-HS算法时的最大多播延时都最小。     

高效的top-k相似字符串查询算法

研究基于编辑距离的top-k相似字符串查询处理方法,即对于给定的字符串集合S和查询串σ,返回S中前k个与σ编辑距离最小的字符串。首先提出了基于长度跳跃索引的2种自适应过滤策略来减少字符串之间编辑距离的计算次数;其次提出了查询字符串与不匹配字符串集合的编辑距离下界,以便在处理和σ无公共特征的字符串时,进一步减少编辑距离的计算次数;最后给出了基于上述过滤策略的高效top-k相似字符串查询算法,并在3个真实的数据集上进行了实验,实验结果验证了所提算法的高效性。     

移动Sink传感网中基于IEEE 802.15.4的拓扑控制与路由

针对查询驱动的移动Sink无线传感器网络,基于IEEE 802.15.4标准,提出了一个联合簇树组网和移动路由的跨层协议设计方案。以能耗、网络连通度、负载均衡和子树深度等指标为评价因子,在多目标优化模型下定义了一个拓扑综合评价函数,构建稳定的最优簇树网络结构;改进了IEEE 802.15.4 MAC中基于信标帧调度的分布式睡眠同步算法,维护较低占空比下的网络同步与拓扑修正;利用拓扑形成过程中依"最早信标帧"、"最好链路"、"最小层次"3种准则确立的父子关系,建立移动Sink与N-Hop范围内节点的双向路由路径。最终将上述MAC层的拓扑控制方案与网络层的查询路由方法完整实现于TinyOS协议栈中。实验结果表明,评价函数能够有效地反映组网质量,N-Hop后验式路由结合睡眠同步机制,在"最好链路"拓扑下表现出较高的能量效率。     

一种基于拓扑势的虚拟网络映射算法

该文针对现有的虚拟网络映射算法对网络中节点的拓扑属性考虑不够周到,导致其请求接受率和收益开销比较低的问题,将物理学里的场论思想引入了虚拟网络映射,并提出一种基于拓扑势的虚拟网络映射算法。该算法在节点映射阶段,通过计算节点的拓扑势、节点的资源能力、待映射节点与已映射节点之间的距离,将虚拟节点映射至最佳的物理节点。在链路映射阶段,通过计算物理路径的可用带宽和路径跳数,将虚拟链路映射至最佳的物理路径。仿真实验表明,该算法在多种虚拟网络到达强度下的请求接受率和收益开销比均优于当前的虚拟网络映射算法。     

融合抗噪机制的图变分自编码器社交网络推荐方法研究

链路预测是根据复杂网络中已有的拓扑信息预测网络中两个不相邻的节点间产生连接的可能性,是社交网络推荐中使用的主要方法之一。随着社交网络近些年来蓬勃发展,数据量的剧烈增加无可避免地导致坏数据的出现（即目标节点特征属性缺失,或是目标节点特征属性错乱）。为了解决有节点属性社交网络中因为节点特征缺失导致的链路预测准确率降低的问题,提出了一种结合噪声对抗机制的图变分自编码器模型（Denoising Graph Variational Autoencoder,DGVAE）来优化链路预测效果。通过建立一种图变分自编码器结构,并设计一个噪声对抗模块,使得图变分自编码器能够有效地抵抗噪声干扰。经过一系列实验的验证,在有节点属性的网络中,采用噪声对抗的图变分自编码器模型能够有效地预测复杂的网络结构,而且在数据有冗余噪声的情况下,这种模型的预测效果有显著的改善。     

一种基于单播网络的拓扑推测算法

网络层析成像技术是通过对网络的边缘节点的测量,来分析和推断网络的内部性能或拓扑结构的网络测量技术。目前基于层析成像技术的拓扑推断方法大都是基于多播网络的,受到的限制比较多。本文采用增加时间阈值的背靠背分组对测量的方法,提出了一种在单播网络中进行快速的拓扑推断的算法。最后通过ns2仿真实验,结果表明,该方法可以获得更多有效的测量数据,推断结果比基于原有的背靠背分组对测量方法的拓扑推断算法更接近于真实情况。     

基于MPI的进程拓扑感知映射研究

本文首先介绍了获取应用程序通信拓扑和物理拓扑的方法,结合进程间通信量和通信频次定义了进程间亲和度,并针对具有分层网络、NUMA效应的硬件系统,设计了相应的进程映射算法.该算法根据进程间的亲和度对进程集合进行划分,在划分过程中构造出和物理拓扑树同构的树状结构,随后在两棵同构树的对应节点上做映射来解决应用程序进程到物理节点、处理核心的映射问题.在一个多核集群系统上的实验表明,使用本文提出的进程映射方法可以有效提高并行应用程序的通信效率,显著减少程序的总体执行时间.     

基于链路可靠性的无线虚拟网络分配方法

针对无线网络链路可靠性差影响无线虚拟网络的分配这一问题,提出了一种基于链路可靠性的无线虚拟网络分配算法（WVNEA-LR）。该算法通过物理网络拓扑预处理和允许同一个虚拟请求中的多个虚拟节点映射到同一个物理节点上的方法,提高了Vn构建成功率和节约了物理链路资源。利用Q因子改善了因拓扑分配稀疏时Vn构建成功率低的问题。此外,WVNEA-LR的节点分配为链路分配作了准备,并通过选择可靠性高的承载路径保证了分配后的Vn具有高可靠性。仿真结果表明, WVNEA-LR获得较好的虚拟网络构建成功率、较高的收益成本比和资源利用率。     

基于改进FCM算法的电力数据异常检测方法

电力系统中的异常数据会极大降低电力系统运行状态估计的准确性,提出一种改进FCM聚类算法应用于电力异常数据检测。基于距离测度公理化定义给出一种新型距离测度计算公式,并根据新型距离测度建立相似性矩阵提出一种改进FCM算法;结合萤火虫算法在全局寻优方面的优势,利用萤火虫算法优化改进FCM算法的初始化聚类中心。通过加噪人工数据集实验验证了该算法与其他方法相比,类别划分更清晰、噪声鲁棒性更强,并依据3σ原理利用该算法对某电厂进行电力异常数据检测,实验结果表明,文中算法能够准确检测出电力异常数据。     

一种融合局部拓扑影响力的时序链路预测算法

链路预测旨在发现复杂网络中的未知连接和未来可能的连接,在推荐系统等实际应用中具有重要作用。考虑到许多真实网络的时序特性,时序链路预测逐渐成为研究热点。当前,基于时间序列分析的方法往往忽略了网络演化过程对网络本身的影响,而基于静态网络演化的方法大多仅考虑了局部连边的演化影响,对网络拓扑结构的演化特性挖掘有限。针对上述问题,该文提出一种融合局部拓扑影响力的时序链路预测算法(TLP-FLSI)。首先,基于网络拓扑结构影响力作用,提出时序链路预测的通用模型(CTLPM);其次,研究拓扑实体间相互作用在动态网络上的演化规律,分别定义了节点和连边的演化因子,以及时间序列衰减的演化因子,综合利用多个维度的特征信息,给出了融合局部节点和连边特征影响力的时序链路预测算法;最后,在7个真实数据集上分别进行实验,对比传统基于移动平均方法、误差修正、邻居扩展加权和图注意力网络等时序链路预测方法,实验结果证明该算法具有较好的准确率和排序性能。     

基于树状结构的语义相似度计算方法分析

文中提出了基于树状结构的语义相似度计算方法.结合概念节点之间的语义关系、语义距离、概念节点的深度、密度对语义相似度的影响,利用树的层次关系来表达概念节点之间的语义信息,并对概念节点密度的计算进行改进,加入了可调节的参数,以适应不同的情景.通过实验验证了该算法在查准率方面具有较强的优越性.     

弹性光传输基础设施上动态透明虚拟网络嵌入

提出了一个新的动态透明的虚拟网络嵌入（VNE）算法。该算法基于弹性光传输基础设施,同时考虑节点映射和链路映射,用于光正交频分复用（O-0FDM）的网络虚拟化。对每一个虚拟光网络（VON）的请求,该算法首先根据各光纤链路的频谱使用将底层光网络转化成一个分层辅助图,然后在该辅助图的单层上应用一个考虑了所有底层节点的本地信息的节点映射完成链接映射。仿真结果表明,该算法考虑了O-OFDM网络的独特性,并且由于算法提供较低的VON阻塞概率,优于直接应用VNE的参考算法。实际拓扑结构的仿真结果也表明,嵌入的底层路径的平均距离很好地被控制在O-OFDM信号的典型传输范围内。