BuNet：一种基于Cayley图的覆盖网络*

为了构建一个具有路由表小、查询路径长度短、鲁棒性强且支持文件组浏览服务的P2P覆盖网络,通过对扩展蝶网理论的分析与设计,提出了一个新的基于Cayley图的结构化P2P网络BuNet。通过模拟实验,证明了BuNet相比其他结构化P2P网络在查询路径短和鲁棒性等方面具有更好的性能。     

一种基于Cayley图的确定性小世界网络的研究

提出了一种以Cayley图为基础的确定性小世界网络模型（CayDSW），该模型具有较高的聚类性和较小的网络直径；然后分析了该网络模型的一些主要性质并给出了路由算法；最后通过实验证明了该模型符合小世界的特性。     

结构化P2P覆盖网络的Cayley图构造方法研究

结构化P2P覆盖网络通常都基于某个静态的图结构,而这些静态图又常常是Cayley图或其超图,这些静态图的直径、度等特性可以直接影响到覆盖网络拓扑的路由表大小、路由长度等特性,因此静态图的选择显得非常重要.Cayley图是使用代数群论建立的一类图,它的最大好处是其对称性和点传递性,利用Cayley图的这类性质,可以分析结构化P2P覆盖网络拓扑结构的本质.就几种典型的结构化P2P覆盖网络的静态拓扑,分析了其Cayley图构造方法的本质.     

基于Cayley图的六度环绕网络研究

六度网络是一类平面图网络结构,将平面以等边三角形的形式进行分割,包括六度网孔网络和六度环绕网络.六度网孔网络不是规则网络,其边缘节点与内部节点的度不相等.通过对六度网孔网络的边缘节点建立环绕边就形成了规则的六度环绕网络,每个节点的度为6.但是由于环绕边的存在,使得六度环绕网络的通信算法实现复杂,网络直径也非常难于计算.六度环绕网络被证实是一种Cayley图模型,具有良好的对称性.但是基于Cayley图的六度环绕网络的最优路由算法、广播算法还没有得到,该网络模型的具体直径值也是未解问题.针对基于Cayley图的六度环绕网络模型,文中给出了一种简单的最优路由算法和一种基于陪集图理论的广播算法,并给出该网络模型的网络直径确切值.     

基于Cayley图的三维六度环面网络研究

提出了一种三维六度环面Cayley图网络模型.针对该网络模型,给出了一种简单的三维节点编址方案,并利用该编址方案得到了任意两个节点间的最短距离公式;开发了一种简单的分布式最优路由算法,该算法可以运行于网络中的任意节点,可以建立任意两点之间的最短路由路径;基于陪集图(coset graph)理论,给出了一种新型的广播通信算法,并对该算法的效率进行了分析;给出了三维六度环绕网络模型直径的界限值.     

小世界网络的Cayley图模型

Internet网络中小世界特征的发现激起了学术界对Internet小世界网络的研究热潮。提出了一种基于Cayley图的小世界网络模型（CSWN）,该模型具有高聚集性和小网络直径;在分析了该网络模型的一些主要性质后给出了其路由算法;最后通过仿真实验证明了该模型符合小世界网络的特性。     

若干多级互连网络的扩展Cayley图模型

使用群论中的半直积作为工具,将已有的若干构建互连网络的方法统一成一种Cayley图模型CSC（q,p,l,k）,使其具有更好的可扩展性。并证明了CSC（q,p,l,k）网络包括了若干重要的互连网络作为它的特殊情形,例如立方连通圈、星连通圈和最近提出并受到关注的k度Cayley图。提出该模型的意义在于为计算机系统的设计者们提供只需要选择合适的参数就可以确定自己需要的互连网络模型。其次,该模型也在一定程度上避免一些在互连网络构建方面的冗余研究工作。     

基于Cayley图的Cycloid网络中主节点备份模型设计

介绍了P2P网络的发展现状和结构化P2P网络的特性,根据P2P网络的优点分析了其中一种较新近的结构化P2P网络--Cycloid网络的Cayley图原型及其主节点的连接情况,并基于对主节点失败情况所出现的不理想等待状况的分析,提出了备份设计模型,并采用类的对象的方法来模拟网络中的节点,进行了编程模拟实验,证实了该模型设计具有现实可行性和节约时问的特性.     

一种基于服务覆盖网络的业务运行平台

针对分布式业务的动态性和可扩展性需求,设计并实现了业务运行平台BEPSON（Business Execution Platform Based On Service Overlay Network）。该平台基于服务覆盖网络,采用分层架构,提出并实现了具有QoS保证的动态服务发现算法以及分布式的执行策略。最后,通过实例验证了平台的有效性和灵活性。     

一种基于采样的传感器网络多重覆盖算法

系统生命期是无线传感器网络的一个重要设计因素。在满足监控性能的前提下,仅将少量传感器节点投入工作,而让其它节点处于低功耗的休眠状态,可有效延长系统生命期。现有的多重覆盖节点调度算法的性能不是很好,利用采样技术,提出了一种解决多重覆盖的节点调度算法。仿真实验表明,此算法的性能比现有算法要好,得到的工作集的大小可达到现有算法的66%左右。     

基于图覆盖的改进复杂网络免疫策略

提出一种基于图覆盖的改进复杂网络免疫策略.该方法引入模拟退火的思想,利用局部信息,以节点度大为原则选取免疫节点,同时以一定的概率接受度小的节点.使用交互式邮件传播模型,在真实的网络数据集上从免疫效率和免疫代价的角度进行了对比实验.实验结果发现,改进的方法在一些社团结构明显的网络中具有更好的效果,从而验证该方法的有效性.     

SSON：一种基于结构化P2P网络路由的语义覆盖网络结构

本文基于结构化P2P网络路由机制,采用基于主题划分的方法,提出了基于结构化P2P网络路由的语义覆盖网络SSON。SSON通过结构化P2P网络的标识符映射机制,根据资源类别将结点组织成层次化的覆盖网络,该覆盖网络结构确保搜索限制在与查询主题相关的局部结点子集中。该结构充分利用了结构化P2P网络的优点,解决了基于非结构化P2P网络建立的语义覆盖网络的对主题群的搜索低效问题,同时克服了结构化P2P网络仅支持精确匹配查找的缺点,为结构化P2P网络提供了可靠、高效的语义查询机制,极大地提高了查全率。     

一种基于RAQ 的具有拓扑意识的覆盖网络

本文提出一种基于RAQ(Range Queriable)的P2P 多维覆盖网络T-RAQ,RAQ 是一种结构化P2P覆盖网,在RAQ 中,节点可在多维空间上进行精确匹配查询和范围查询;同时,其路由开销并不依赖于查询空间的维数,但是RAQ 并不具备拓扑意识。针对此问题,本文改进了最初的路由算法并使得路由具有拓扑意识,节点加入,节点离开以及节点路由表的构造都考虑到了底层物理网络,从而使得覆盖网与物理网的尽量匹配。     

区域-道路时空图网络：一种基于图神经网络的流量预测模型

交通预测在城市规划中具有重要意义.由于交通流具有复杂的时空相关性,交通预测的任务一直面临着许多挑战.现有的方法通常利用上层区域图上的观测特征序列来学习和评价交通状况,而忽略了具有丰富语义的底层路网.为了克服这一缺点,本文将空间数据建模为观测图和隐藏图,并提出了一种新的交通预测框架：区域-道路时空图网络(R2RSTGN).为了学习道路网络和观测到的交通信息之间隐藏的相互作用,本文同时考虑区域和细粒度道路并提出了一种压缩注意力机制,可以为预测提供解释结果.在两个真实数据集上的实验结果验证了该框架的有效性.     

基于Voronoi图的无线传感器网络K覆盖算法

针对无线传感器网络(WSN)在随机高密度部署节点情况下的多重覆盖问题,提出一个基于Voronoi图的K覆盖算法。该算法利用邻居节点信息计算Voronoi覆盖邻居节点集,构建有向Voronoi覆盖关系图,通过调整关系图中的节点状态实现K覆盖。仿真结果表明,该算法能正确判断网络覆盖率,连通K覆盖的近似最小活动节点集数目少于CCP算法。     

一种基于P2P网络的层次化覆盖多播模型

P2P网络的应用日益广泛,但是针对网络中各个终端主机网络接口带宽各异的实际情况,目前的覆盖多播模型没有综合考虑节点的延迟和实际可用带宽的限制。针对上述问题,提出了一种基于P2P网络的层次化覆盖多播模型(HOMM),该模型综合考虑了延迟和带宽两种因素,采用优先度作为构建ALM树的标准,在簇内构建局部ALM树,同时节点的加入、失效等操作的影响只局限于较小的局部范围内,使整个P2P网络的数据转发负载更为均衡。仿真实验表明该模型具有高效性、健壮性,能够很好地适应终端主机网络接口带宽各异的大规模组播环境。     

一种基于竞争的覆盖算法

与传统人工神经网络的算法相比,覆盖算法有运行速度快、精度高和易于理解的优点,但是覆盖算法的学习顺序是随机选择的,大量实验表明样本的学习顺序对神经网络的性能有着显著的影响。基于竞争的覆盖算法是在覆盖算法的基础上提出的,以消除算法中学习顺序所产生的影响。在该算法中,通过加入竞争机制,神经网络在学习样本的同时会逐步调整覆盖中心以形成更优的覆盖域。实验表明改进后的覆盖算法可以有效减少覆盖数量,减少拒识样本数,提高识别精度。     

一种基于完全图的无线传感器网络节点布局

节点不均匀分布是解决无线传感器网络节点能量空洞问题的一种途径,但是已提出的分布方案都存在不足,如未考虑消除数据中存在的冗余等。针对已有方案中的不足,从理论上分析网络中各区域节点的能量消耗,提出一种新的节点布置方案,给出网络中具体区域所需节点个数的计算公式,并根据此分布方案,提出一种基于完全图的路由协议。该协议把节点以完全图的方式成核,核内节点轮流工作以避免产生过多的冗余数据。仿真实验表明,该布局方案具有可行性,使网络的能量得到了充分而有效的利用。     

一种基于窗口机制的口语理解异构图网络

口语理解(spoken language understanding, SLU)是面向任务的对话系统的核心组成部分,旨在提取用户查询的语义框架.在对话系统中,口语理解组件(SLU)负责识别用户的请求,并创建总结用户需求的语义框架, SLU通常包括两个子任务:意图检测(intent detection, ID)和槽位填充(slot filling, SF).意图检测是一个语义话语分类问题,在句子层面分析话语的语义;槽位填充是一个序列标注任务,在词级层面分析话语的语义.由于意图和槽之间的密切相关性,主流的工作采用联合模型来利用跨任务的共享知识.但是ID和SF是两个具有强相关性的不同任务,它们分别表征了话语的句级语义信息和词级信息,这意味着两个任务的信息是异构的,同时具有不同的粒度.提出一种用于联合意图检测和槽位填充的异构交互结构,采用自注意力和图注意力网络的联合形式充分地捕捉两个相关任务中异构信息的句级语义信息和词级信息之间的关系.不同于普通的同构结构,所提模型是一个包含不同类型节点和连接的异构图架构,因为异构图涉及更全面的信息和丰富的语义,同时可以更好地交互表征不同粒度节点之间的信息.此...     

一种多权值神经元覆盖网络的构造方法

仿生模式识别利用多权值神经元覆盖网络构造模式类的覆盖来进行相应事物的识别.但在构造多权值神经元覆盖网络的过程中,关于构造神经元个数的确定方法没有相关讨论,即需要使用多少个神经元才能完成对模式类的覆盖.较多的神经元在精确的对模式类进行覆盖同时,也增大了网络的复杂度.文中提出了一种多权值神经元覆盖网络的构造方法.在保持神经网络对模式类的覆盖能力的基础上采用尽量少的神经元,从而能有效的降低神经网络构造代价.最后,通过实验作者验证了算法的有效性.