基于改进多属性判决的异构网络接入选择算法

针对现有多属性切换算法没有考虑所切换的目标网络负载、难以保障网络服务质量的不足,提出基于改进多属性判决的异构网络接入算法。首先,采用万有引力模型简化了复杂多属性判决算法的计算过程,减少了网络接入切换执行时间;其次,在切换执行前,通过加入负载判决模块计算出最优目标网络、次优目标网络负载,从而选出最终切换的目标网络。采用MATLAB和NS2等仿真工具,搭建了WLAN和UMTS融合的异构网络仿真环境。仿真结果表明,算法明显提高了整体网络的负载均衡度和资源利用率,有效降低了移动终端的切换阻塞率。     

基于文档团的Markov网络检索模型

查询扩展是提高检索效率的有效方法.但是许多查询扩展方法中扩展词的选择没有充分考虑词项之间以及词项与文档之间的相关性,这样可能在查询扩展时加入太多不相关信息降低检索的性能.通过对文档间相关性和词间相关性的计算,把文档和词关联起来构建Markov网络检索模型,然后根据词项子空间和文档子空间的映射关系提取词团,将提取的词团信息用于查询扩展,使得查询扩展的内容更为相关.实验表明：基于文档团依赖的Markov检索模型能有效地提高检索效果.     

基于多维标度的动态网络选择算法

异构无线网络的网络选择问题中,除了考虑多属性的网络参数外,还需考虑无线信道的时变性特征。针对这两个考虑因素,提出了一种基于多维标度的新的动态网络选择算法,可将多属性判决的网络选择问题近似转化为一个低维的拟合构图,并能反映不同时刻同个网络的变化。仿真结果表明,在不考虑负载的情况下,提出的算法能有效地选择出适合于移动终端当前业务的网络,并能在低维坐标系中直观地观察网络间的区别。     

基于实时多业务的异构网络接入选择算法

为提升无线异构网络用户体验及服务质量,提出基于实时多业务的异构网络选择算法。该算法考虑多业务的主客观属性,重新定义和构造了判断矩阵,基于AHP(Analytic Hierarchy Process)算法和熵权法综合计算属性权重,最后利用TOPSIS算法选择出最优的接入网络。仿真实验结果表明,实时多业务网络选择算法能够有效地减少切换次数,在兼顾网络负载的情况下,降低了业务的阻塞率。     

基于蚁群优化的网络选择算法

随着通信技术的不断发展,越来越多的无线通信网络标准被制定出来。为了保护投资,平滑过渡,各种不同的无线通信网络必然将相互融合。终端在这样一个多网络覆盖的区域中如何选择所使用的网络就成为了一个研究的热点。然而,在已有的诸多网络算法中,无一不存在着参加判决的参数过多、算法过于复杂而导致终端的电力和处理能力消耗过多、没有较好考虑网络负载均衡的缺陷并且没有考虑终端的反馈机制。简要介绍异构融合网络场景下网络选择的相关内容,包括异构融合网络场景,已有的网络选择算法,蚁群优化及其特点。在此基础上,提出了一种全新的基于蚁群模型的网络选择算法（ANSA）。利用Matlab对所提出的ANSA的性能进行了仿真分析,与TOPSIS算法进行对比,证明了ANSA比已有的网络选择算法具有更好的负载均衡性能并且降低了终端的复杂度。     

改进MOEA/D算法的异构网络接入控制

为改善异构无线网络的业务接入质量,建立异构无线网络的多目标优化数学模型,利用权重向量与个体的匹配优化和自适应领域的策略对MOEA/D算法进行改进,提升种群的多样性和算法收敛性,还使Pareto最优解的分布更加均匀.通过在8个多目标函数上进行测试,得到的IGD均值和标准差明显优于其它3种比较算法,验证了改进策略的有效性和...     

基于混合相关的Markov网络信息检索扩展模型

查询扩展是提高检索性能的有效方法。为了弥补在数据集中由于词对没有直接出现而导致无法统计出词间关系进行查询扩展的缺陷,该文通过提取Markov网络中的词团信息来量化词间的混合相关性,将强化后的词间混合相关性应用于信息检索扩展模型中。实验表明 基于混合相关的Markov网络信息检索扩展模型的检索效果优于基于直接相关的查询扩展模型;此外,该文提出的模型在总体检索性能上略优于基于团的Markov网络信息检索模型,但在词团提取上大大减少了计算开销。     

基于词重要性的Markov网络查询扩展模型

词项权重已经广泛应用于信息检索模型中,针对传统的词项独立性假设的词袋模型的问题,本文将基于词重要性的词项权重的计算方法应用于Markov网络查询扩展模型中。该词项权重的计算方法须先建立文档的词项图,然后根据词项图得到词项的共现矩阵和词项间的概率转移矩阵,最后利用Markov链的计算方法得到词的权重。将得到的词项权重代入Markov网络扩展模型中,在5个标准数据集上的实验结果表明,采用基于词重要性的Markov网络查询扩展模型的检索结果优于传统的基于词袋的检索结果。     

基于演化博弈的多用户网络选择算法

无线通信技术的发展和演进,使得多种广域蜂窝网和大量无线局域网共存、重叠。针对热点区域,密集分布的大量用户同时发起同种业务请求应用场景,提出一种基于演化博弈的多用户网络选择算法,依据选择网络的用户数设计效用函数,给出了演化博弈的复制动态方程。与RSSI算法的对比仿真结果表明：该算法能快速达到演化均衡,用户平均收益高于RSSI算法,接入网络的用户分布更均衡,能合理利用网络资源。     

基于近似Markov Blanket和动态互信息的特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出了一种基于近似Markov Blanket和动态互信息的特征选择算法。该算法利用互信息作为特征相关性的度量准则,并在未识别的样本上对互信息进行动态估值,利用近似Markov Blanket原理准确地去除冗余特征,从而获得远小于原始特征规模的特征子集。通过仿真试验证明了该算法的有效性。以支持向量机为分类器,在公共数据集UCI上进行了试验,并与DMIFS和ReliefF算法进行了对比。试验结果证明,该算法选取的特征子集与原始特征子集相比,以远小于原始特征规模的特征子集获得了高于或接近于原始特征集合的分类结果。     

异构无线网络中基于信任度的接入选择算法

针对异构无线网络不确定性的特点,提出一种基于信任度的接入选择算法。引入直接信任度、推荐信任度、推荐主体可信度和信任时间戳4个参量计算网络的信任度,利用信任度对网络性能指标进行信任加权。同时,综合考虑用户个人偏好,对网络进行逼近理想解排序,得到最佳接入网络。仿真实验结果表明,该方法综合考虑了网络多种性能指标及其信任度,能提高异构无线网络中用户选择网络的安全性。     

基于HMM的动态社会网络社团发现算法

随着互联网的不断发展,大多数社会网络已逐渐显示出动态特性,动态社会网络社团分析对理解现实生活中社会网络结构和功能具有非常重要的意义.针对动态社会网络中的社团发现问题,提出一种基于隐Markov模型(hidden Markov model, HMM)的HMM_DC算法.该算法考虑到社会网络的动态特性,结合历史信息,将社团发现转化为求解隐马尔可夫模型中的最优状态序列问题,将网络中的社团结构和节点信息分别采用状态链和观察链表示,在无须指定额外参数的情况下实现动态网络的社团结构发现.最后,利用该算法和其他算法对VAST数据集、ENRON数据集和Facebook social network数据集进行实验仿真.仿真结果表明：该算法能够快速、准确地发现真实动态网络中的社团,其模块度Q值和互信息NMI值有很大提升.     

基于主客观权重判决的异构无线网络接入选择算法

为确保异构无线网络接入选择算法能够从备选网络中选择出性能最优的无线网络,提出一种新的异构无线网络接入选择算法。利用模糊层次分析法计算异构无线网络属性指标的主观权重,并运用粗糙集理论计算客观权重,根据业务需求对主客观权重进行动态调整,以达到最佳的服务质量。实验结果表明,该算法可降低网络切换频率,减少网络阻塞的发生概率,有效均衡网络负载,并能够较好地选择最佳的接入网络。     

基于Web流行度的选择Markov预取模型

Web预取技术是目前WWW中减少用户的访问延迟、提高服务质量的主要解决方案之一。该文利用Zipf第1定律和第2定律对Web对象访问流行度建模,并在此基础上,提出了基于Web流行度的选择Markov预取模型。实验表明,该预取模型不仅具有较高的命中率,而且在一定程度上还减少了对带宽的需求。     

Supplier Selection Based on a Neural Network Model Using Genetic Algorithm

In this paper, a decision-making model was developed to select suppliers using neural networks (NNs). This model used historical supplier performance data for selection of vendor suppliers. Input and output were designed in a unique manner for training purposes. The managers' judgments about suppliers were simulated by using a pairwise comparisons matrix for output estimation in the NN. To obtain the benefit of a search technique for model structure and training, genetic algorithm (GA) was applied for the initial weights and architecture of the network. The suppliers' database information (input) can be updated over time to change the suppliers' score estimation based on their performance. The case study illustrated shows how the model can be applied for suppliers' selection.     

一种基于马尔科夫网的本体匹配算法

概率模型是解决不确定性推理和数据分析的有效工具。针对本体匹配的不确定性,提出一种基于马尔科夫网的本体匹配改进算法。采用多种传统匹配算法计算相似度矩阵,改进相似度传播规则,添加2种结构稳定性约束规则和1种Disjoint一致性约束规则,定义其对应团的势函数。根据相似度矩阵和上述规则,给出马尔科夫网的构造方法,使用循环置信度传播算法计算随机变量的后验概率,依据后验概率得到最后的本体匹配结果。在OAEI2010数据集上进行实验,结果表明,与iMatch本体匹配系统相比,该算法能有效降低概率模型的复杂度,提高本体匹配的准确率和召回率。     

基于Markov与PageRank算法的Web日志仿真器

获取可靠的Web访问会话数据是Web使用挖掘（WUM）的重要前提,而很多时候这种数据不容易得到。据此,采用数学建模的方法,设计并实现了一个Web日志仿真器（SSPM．Session Simulator based on PageRank and Markov）。SSPM用Markov链过程模拟用户访问过程,将用户Web访问过程抽象为Markov链,以PagcRank算法计算页面重要度,并以此计算Markov初始状态和转移矩阵,获取用户仿真日志。还介绍了SSPM的验证方法。     

基于马尔可夫模型的多分辨率图像分割算法

为解决图像分割中过分割、欠分割和依赖初始分割问题,提出一种基于马尔可夫模型的多分辨率图像分割算法。利用变权重方法改进多分辨率马尔可夫随机场算法,结合曲波和小波变换对图像进行多分辨率分析,并通过区域合并减少图像中的区域数。实验结果表明,与经典算法相比,该算法的分割性能较好。