基于合数高阶剩余类的公平硬币抛掷协议

现实生活中,经常会碰到许多难以抉择的问题。这时,往往倾向于用抛硬币的方式解决。随着社会进入网络信息时代,由于网络信息不能同步传输,直接将需要面对面同步进行的硬币抛掷游戏构建在网络中将无法保证游戏的公平性,所以实现硬币抛掷游戏的网络化有重要的实际意义。利用密码学的比特承诺可以解决这一问题。文中采用基于合数高阶剩余类的公钥系统的比特承诺设计了硬币抛掷游戏协议,同时证明了协议的可行性以及安全性。在协议设计中,根据算法博弈论的原理,引入了保证所有参与者都不可能偏离协议的机制。     

基于节点位置与剩余能量的LEACH协议优化

LEACH协议在簇头选举产生、能耗控制还存在许多问题,为此,对其产生方式提出改进.在原LEACH协议中加入网络中节点的具体位置信息和网络节点当前的剩余能量信息,在簇头选定阶段引入了备选簇头节点间距和模拟退火算法.在NS2上的仿真结果表明:改进的LEACH协议使簇头节点的选择更为合理,整个网络的寿命延长了50％,网络基站的接收数据量提高了175％.     

P-Promise：一个基于承诺的P2P公平资源共享协议

P-Promise借鉴人类社会个体间相互承诺并通过兑现承诺来实现公平交往的机制，通过定义承诺证书和一套协议原语，在P2P实体间建立公平的资源共享环以实现P2P公平资源共享.公平的资源共享环的建立过程就是对等实体承诺并不断兑现承诺的过程，不需要可信第三方、认证的身份、货币支付、对称存储关系等条件.承诺证书能够描述不同的资源，所以P-Promise可用于各种资源的共享.P-Promise不但可以用于各种普通计算机，而且适用于资源和计算能力都十分有限的移动设备.分析和实验证明，P-Promise具有良好的稳定性和抗攻击能力。     

基于高阶一致性学习的聚类集成算法

现有的大部分关于聚类集成的研究主要关注有效的集成算法的设计。为解决由于基聚类器的质量高低不一、低质量的基聚类器对聚类集成性能产生影响的问题,从数据发掘的角度出发,以基聚类器为基础挖掘数据的内在联系,提出一种高阶信息融合算法——基于高阶一致性学习的聚类集成（HCLCE）算法,从不同的维度表示数据之间的联系。首先,将每种高阶信息融合成一个新的结构化的一致性矩阵;然后,再对得到的多个一致性矩阵进行融合;最后,将多种信息融合为一个一致性的结果。实验结果表明,与次优的LWEA(Locally Weighted Evidence Accumulation)算法相比,HCLCE算法的聚类准确率平均提升了7.22%,归一化互信息（NMI）平均提升了9.19%。可见,HCLCE能得到比聚类集成算法和单独使用一种信息更好的聚类结果。     

一种基于RSA签名的公平交换协议的算法设计

公平性是电子商务协议的基本安全要求。在电子商务活动中,进行实时公平的文件交换具有非常重要的意义。本文利用证书机制、应用公钥密码体制RSA的加密算法和数字签名技术,设计了一种新的公平交换协议。这种算法简单、高效、易于实现。     

公平谱聚类方法用于提高簇的公平性

最近,算法的公平性问题引起了机器学习领域学者的广泛讨论。鉴于谱聚类在现代数据科学中的广泛流行,研究谱聚类的算法公平性是一个至关重要的话题。现有的公平谱聚类算法主要存在两个缺点：1)公平性能差;2)仅在单个敏感属性下工作。文中将公平问题视为一种约束谱聚类问题,通过求解约束谱聚类的可行解集,提出了一种非规范化公平谱聚类方法(Unnormalized Fair Spectral Clustering, UFSC),用于提升公平性能。此外,文中还提出了一种适用于多个敏感属性约束的公平聚类算法(Multi-sensitive Attributes Fair Spectral Clustering, MFSC)。在多个真实数据集上进行了实验,结果表明,UFSC和MFSC算法比现有的公平谱聚类算法生成的聚类结果更加公平。     

基于梯度和剩余能量的WSN路由算法研究

针对无线传感器网络能量受限的特征,提出一种基于梯度和剩余能量的智能蚁群路由算法,不仅考虑了节点间的梯度因素,而且还考虑了节点的剩余能量,从多角度节能并延长整个网络的使用寿命.在该算法中,若蚂蚁走过的当前路径比以往最佳路径更优,则加强当前路径信息素,并用当前路径取代最佳路径,否则减弱当前路径信息素.仿真结果验证了该算法在平均能量消耗和延迟方面表现出良好的性能.     

基于剩余能量等级的MANET分簇算法

移动自组织网络具有自组织、动态拓扑、多跳通信和分布式控制等特点,可应用于小型区域战场和灾后现场的通信。然而通常由于节点能源受限,网络生存时间短暂,最大化利用现有资源是研究自组织网络的重要方向。自适应分簇算法是根据监测区域和节点位置划分网格,通过比较不同簇数下LBF值,得到最合理的分簇结构,进而以剩余能量等级最高的节点作为簇头。通过对100个节点时指定簇头、轮换簇头和自适应分簇三种算法下的网络节点生存时间和每轮节点的能量方差进行仿真,得出自适应分簇算法将网络生存时间明显延长,并平衡了簇头的负载。     

基于能量剩余的TopDisc算法拓扑控制研究

在保证无线传感器网络连通性和覆盖度的前提下,通过选择良好的拓扑控制机制,能够提高网络通信效率并延长网络的生命周期。在分析TopDisc算法的基础上引入能量剩余,得出一种改进的TopDisc算法,并对算法进行仿真,结果表明:改进的算法在网络的生存时间上要长于原算法,在节点剩余能量上比原算法更平均。     

基于理想点的星型高阶联合聚类一致融合策略

高阶联合聚类一般被转化为多对二阶联合聚类结果的一致融合问题,将多个二阶聚类目标函数的加权线性组合作为高阶联合聚类的目标函数,通过交替迭代方法得到聚类结果。然而,现有算法仍根据专家经验预设权值,自动的确定线性组合的最优权值仍是一个经典难题。文中针对星型高阶异构数据,提出一种基于理想点的自动确定权值的一致融合策略,将各二阶聚类目标函数的最优值构成的空间中的点称为理想点。通过将二阶聚类结果与其理想结果间的相对距离作为聚类质量的度量标准,解决了各二阶聚类质量不可公度的问题,最终使得高阶聚类目标函数与理想点的相对距离最小。基于理想点的方法能够解决多种星型高阶联合聚类算法的一致融合问题,因此具有一定的普适性。实验结果表明该方法有效地提高了5种经典高阶聚类算法的效果。     

基于高阶近似的链路预测算法

目前大部分链路预测算法只研究了节点与邻居节点之间的一阶相似性，没有考虑节点与邻居的邻居节点之间的高阶相似性关系。针对此问题，提出一种基于高阶近似的链路预测算法（LP-HOPA）。首先，求出网络的归一化邻接矩阵和相似度矩阵；其次，利用矩阵分解的方法将相似度矩阵进行分解，得到网络节点的表示向量以及其上下文的表示向量；然后，通过高阶网络表示学习的网络嵌入更新（NEU）算法对原始相似度矩阵进行高阶优化，并利用归一化的邻接矩阵计算出更高阶的相似度矩阵表示；最后，在四个真实的数据集上进行大量的实验。实验结果表明，与原始链路预测算法相比，大部分利用LP-HOPA优化后的链路预测算法准确率提升了4%到50%。此外，LP-HOPA算法能够将基于低阶网络局部结构信息的链路预测算法转换为基于节点高阶特征的链路预测算法，在一定程度上肯定了基于高阶近似链路预测算法的有效性和可行性。     

基于中国剩余定理的传感器网络密钥管理协议

无线传感器网络的安全性是目前研究的热点。传统基于临时初始密钥和基于密钥池预分配的方案难以在网络连通性和节点存储计算消耗之间有效平衡,网络生命期内使用固定不变的初始密钥/密钥池难以抵抗节点捕获攻击。本文基于中国剩余定理提出了传感器网络密钥管理协议,每个节点携带较少的密钥素材,能够实现网络最大连通,并具有较少的存储空间和计算与通信能耗;基于时间概念分多个阶段部署传感器节点时,发布的密钥素材在不同的节点部署阶段相应变化,使得网络具有自愈合功能,从而具有较强的抗节点捕获攻击。     

一种基于剩余能量的无线传感器网络分簇协议

在无线传感器网络中,分簇技术可以实现高效的能量利用、方便的数据融合、灵活的网络扩展。簇首作为簇的中心,负责收集簇成员的数据,簇首消耗的能量远大于簇成员,因此,簇首的选择至关重要。提出了一种基于剩余能量的分簇协议（CPRE）,该协议优先选择剩余能量较多的节点作为簇首,并采用簇间转发的方式将数据发送到基站。仿真结果表明：该协议能够显著地延长网络的生存时间,其性能明显优于LEACH协议。     

基于高阶逻辑的复杂结构数据半监督聚类

半监督聚类近年来成为了机器学习和数据挖掘领域的研究热点.目前存在的半监督聚类方法都采用属性-值的知识表示方式.但属性-值语言在表示复杂结构数据时存在很多弊端,而基于高阶逻辑的知识表示语言Escher能较好地表示复杂结构数据.在Fscher的知识表示方式下,首先当先验知识是实例之间的约束信息时,提出了搜索K-Means算法的K个初始质心的方法;其次,时先验知识不完全、能够发现的初始质心的个数,r小于K的情况,提出了搜索其余的K-r个初始质心的算法MSS-KMeans和SMSS-KMeans;最后在复杂结构数据集上,验证了所提算法的可行性.最终的实验结果表明,基于高阶逻辑知识表示方式的丰监督聚类方法要优于基于属性-值语言的半监督聚类方法.     

基于剩余能量动态调整前向角度的路由算法

无线传感器网络(WSN)路由是影响网络寿命的重要因素。关键节点多次通信带来大量能耗,极易导致网络过早瘫痪。针对网络部分关键节点能耗过快问题,提出一种基于下一跳节点剩余能量动态调整前向角度的蚁群路由算法(DAFARE)。首先,节点于初始前向角度范围内根据节点剩余能量和距离来选择下一跳节点;而后,根据前向角度范围内节点剩余能量情况,动态调整前向角度大小;最终达到避免关键节点过早死亡的目的。仿真表明,与基于多目标评价函数与正-负反馈并存机制的蚁群算法(FMEPNF)相比,DAFARE能将网络有效寿命提高约50%。实验结果表明:该算法能有效均衡网络能耗,延长网络生命周期,保证网络有效覆盖范围。     

基于剩余能量预测的WSN模糊分簇算法

为了进一步降低无线传感器网络的能量消耗,延长网络寿命,提出一种基于剩余能量预测的无线传感器网络模糊分簇算法。新算法根据节点到基站的距离和邻居节点的数目,对候选节点转发数据的能耗进行预估,得到节点的预测剩余能量。然后采用模糊算法在综合考虑候选节点的原始能量和预测剩余能量的基础上计算竞争半径,选出多个簇首,构建大小不均的簇。仿真实验表明,与其他路由算法相比,该算法可以更好地优化簇的结构,均衡网络能耗,延长网络的生命周期。     

基于改进凝聚层次聚类的协议分类算法

在比特流未知协议识别过程中,针对如何将得到的多协议数据帧分为单协议数据帧这一问题,提出了一种改进的凝聚型层次聚类算法。该算法以传统的凝聚型层次聚类算法思想为基础,结合比特流数据帧的特征,定义了数据帧之间及类簇之间的相似度,采用边聚类边提取符合要求类簇的方式,能快速有效地对数据帧进行聚类;并且该算法能自动地确定聚类的个数,所得的类簇含有相似度评价指标。利用林肯实验室公布的数据集进行测试,说明该算法能以较高的正确率对协议数据帧进行聚类。     

基于剩余能量和位置的LEACH改进算法

在无线传感器网络中,不合理的分簇算法导致节点过早死亡、区域信息无法完全感知。针对该问题,提出一种基于剩余能量和位置的LEACH改进算法。改进算法将选簇过程分为临时簇头选择和正式簇头选择两步,以传感器节点的节点剩余能量值和几何平均位置作为选簇的重要因素,在此基础上选出区域内最佳簇头。通过OMNET++网络模拟器的仿真结果表明,改进算法的节点利用率和网络可靠性更高。     

基于粒度原理的蚁群聚类算法

在过去10多年中,蚁群算法（AC）的研究和应用取得了很大的进展,大量结果证明了算法的有效性和在某些领域的优势。文章从信息粒度的角度出发,解决了传统聚类算法中对样本“抱团”性质的客观描述和分类算法中分类专家主观先验知识之间的不协调性。并将蚁群系统模型引入聚类模型中,提出了一种基于粒度原理的蚁群聚类新方法。仿真结果表明上述方法是可行和有效的。     

基于减聚类优化算法的无线传感网络分簇路由协议研究

无线传感网络是当前无线网络研究的热点领域,分簇路由协议作为降低网络能耗、提高网络生存时间的核心技术而备受关注。在深入分析已有算法存在诸多不足的基础上,本文提出了一种基于减聚类优化的分簇路由算法。本文首先建立一阶能耗模型,确定网络最优簇首数量;然后建立减聚类优化数学模型,确定可供选择的分簇方案;最后以最小化最大簇内距离方差作为评价指标,确定最优的分簇结果。仿真结果表明:相比经典的LEACH分簇路由协议,该算法划分的网络能够有效地降低网络能耗、提高网络生存时间,弥补已有算法的不足之处。