面向P2P网络的DDoS攻击抑制方法

提出了一种分布式的基于对P2P网络中各节点进行分级的DDoS攻击抑制方法,采集了多个能分别反映当前节点本身或周围节点网络状况的评级因子,并通过不确定性推理确定当前节点分级值.分级值决定转发率.使用线性分类作为丢包策略对需发送数据包进行分组、丢弃,以降低误报率.仿真实验表明该方法能够有效抑制P2P网络上的DDoS攻击,提...     

传感器网络定位中节点攻击类型的分布式识别算法

针对无线传感器网络在定位过程中的外部攻击节点的类型识别问题,提出了一种交替方向-Lp范数支持向量机(ADM-PSVM)分布式识别算法。该算法基于线性支持向量机分类模型,首先引入了Lp范数约束形式,通过选择不同的范数值p以增强分类算法对数据集的适应能力;继而根据交替方向乘子方法推导出了算法的分布式形式,实现了节点根据剩余能量将识别的计算任务分布于不同节点之间进行;最后将算法对各类型的恶意节点数据进行了训练及识别仿真,并讨论了范数约束值以及惩罚因子取值的不同对识别精确率的影响。仿真结果表明,该算法对于恶意外部攻击节点数据具有较好的识别精确度及更高的计算效率。     

无线传感器网络动态节点定位算法综述

介绍了无线传感器网络节点定位的基本原理、定位算法的最新进展及其评价标准。从基于测距的动态节点定位算法和无需测距的动态节点定位算法两个方面分类讨论了典型的动态节点定位算法,并对各算法的性能进行归纳比较。最后指出了目前算法存在的问题及未来发展趋势     

可信的图神经网络节点分类方法

为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和质心之间的距离为模型输出的不确定性,并使用梯度惩罚损失加强输入变化的可检测性,可以有效地检测分布外节点样本。在Cora、Citeseer和Pubmed这3个公开网络数据集上的结果表明：模型在分类任务的AUROC指标分别达到81.5%、76.2%和74.6%,在分布外样本检测任务中AUROC指标分别达到83.6%、72.8%和70.6%,证明了所提算法在提高节点分类性能的同时,可以有效检测分布外的节点样本,提高了节点分类的可信性。     

基于贝叶斯理论的VANET安全路由信任模型

由于车联网(VANET)节点具有高度移动性和相遇临时性,因此节点间的信任管理变得更加困难。针对此问题,利用信任分类与动态管理的方法,在基于导航预测的地理延迟路由协议(Geo DTN+Nav)的基础上,使用Beta分布描述节点的信任情况,提出一种新的基于贝叶斯理论的车联网安全路由信任模型,以实现车联网节点间的信任量化管理。该模型在提升路由安全性的同时,具有较低的时间复杂度。实验结果表明,该信任模型是有效的,且在恶意节点排除率、分组平均到达率及端到端平均时延方面取得了较好的性能。     

无线传感器网络静态节点定位算法综述

针对无线传感器网络静态节点定位算法特点,总结了无线传感器网络节点定位的基本原理、定位算法的最新进展及其评价标准。从基于测距的静态节点定位算法和无需测距的静态节点定位算法两个方面分类讨论了典型的静态节点定位算法,并对各算法的性能进行归纳比较,说明了目前算法存在的问题,并提出未来发展趋势。     

基于知识增强的图卷积神经网络的文本分类

针对文本分类问题,提出新的基于知识增强的图卷积神经网络（KEGCN）分类模型. KEGCN模型在整个文本集上构建了一个包含单词节点、文档节点、外部实体节点的文本图,不同类型节点之间使用不同的相似性计算方法;在文本图构建完成后将其输入到2层图卷积网络中学习节点的表示并进行分类. KEGCN模型引入外部知识进行构图,捕获长距离不连续的全局语义信息,是第1个将知识信息引入图卷积网络进行分类任务的工作. 在4个大规模真实数据集20NG、OHSUMED、R52、R8上进行文本分类实验,结果表明,KEGCN模型的分类准确率优于所有的基线模型. 将知识信息融入图卷积神经网络有利于学习到更精准的文本表示,提高文本分类的准确率.     

面向节点分类的图神经网络节点嵌入增强模型

考虑到实际的图结构往往是有噪的，可能包含实际不存在的边或者遗漏节点间实际存在的部分边，提出可微分相似度模型（DSM）.通过挖掘节点间隐藏关系增强节点嵌入，以提高节点分类的准确度. DSM基于普通图神经网络方法（GNN）得到各节点的基础表征，根据节点表征相似度为目标节点选出相似节点集合，结合相似节点集合的基础表征对目标节点进行嵌入表征增强.在数学上，DSM是可微分的，可以将DSM作为插件与任意GNN相结合，以端到端的方式进行训练. DSM具有挖掘隐藏连接关系的能力，能促使GNNs学习到更具辨识性和鲁棒性的节点表征.基于最常用的多个公开的节点分类数据集，开展实验验证.结果表明，将已有GNNs与DSM结合能显著提升分类准确度，其中GAT-DSM相对GAT在数据集Cora和Citeseer上分别取得了2.9%、3.5%的提升．     

基于NS-2的移动Ad hoc网络路由协议性能分析

移动Ad hoc网络是移动节点动态临时组建的自组织网络,路由协议一直是Ad hoc网络研究的关键问题。本文使用网络模拟器NS-2,设定特定的仿真环境,在不同节点密度、节点移动性、网络负载条件下,对Ad hoc网络路由协议DSR、DSDV、AODV、TORA的分组投递率、路由负荷、端到端延时等性能进行了详细比较与分析,给出了性能曲线并阐明各协议的特性与适用环境。     

类间距节点优化DDAG-SVM算法在多故障诊断中的应用

针对决策导向无环图支持向量机(DDAG-SVM)方法根节点的选择会影响分类结果的不同及影响故障诊断的准确性的问题,文中将DDAG-SVM多分类方法中的节点进行优化,得到了一种通过计算类间距确定分类树根节点的改进算法.实验结果表明:类间距节点优化的DDAG-SVM方法较传统DDAG-SVM分类方法准确率提高了4%,且分类效率提高了26.1%.     

基于宽度学习系统的fMRI数据分类方法

提出基于宽度学习系统的功能性磁共振成像（fMRI）数据分类方法,通过简单结构提取fMRI数据的深层特征,加快分类速度. 使用fMRI中感兴趣区域体素均值的时间序列构造输入数据,分别提取fMRI数据的浅层和深层特征,映射为宽度学习的特征节点和增强节点并构建模型框架,利用岭回归逆计算分类模型的连接权值,实现对fMRI数据的分类. 使用ABIDE Ⅰ、ABIDE Ⅱ和ADHD-200数据集,将所提方法与6种分类方法进行对比实验,结果表明,所提方法可以在保持良好的分类准确率的同时,大幅度降低训练时间.     

中国动漫馆节点有限元分析

以中国动漫馆为例,利用Sap2000的计算结果,将节点处各杆端力作为荷载加于节点进行有限元分析计算。使用ANSYS对本工程关键部位节点进行最不利工况下的强度验算,以保证工程的安全可靠。     

基于Rough set理论的无线传感器网络节点故障

提出了一种无线传感器网络（WSN）节点故障诊断的新方法，首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简；然后通过属性匹配的故障分类算法，建立一套WSN节点故障诊断方法，对WSN节点的各个模块分别进行具体的故障诊断和定位. 仿真实验表明，该方法在WSN节点故障诊断时通信代价小、能量消耗低、诊断准确率高，因而具有在能量有限的WSN节点中应用的可能性.     

基于内容检索的硅藻细胞自动分类

对硅藻细胞分类提出了一种基于内容的分类方法。该方法首先获取带外接圆的目标;然后,对其应用纹理主特征直方图,纹理变化度,纹理角特征3种方法提取出目标的特征向量;最后使用欧氏距离进行相似性度量。实验结果表明,该方法具有较好的分类准确率及召回率。     

基于深度自编码网络的实验室WSN数据压缩算法

针对无线传感器网络节点冗余和数据重叠的问题,提出一种基于深度自编码网络的实验室WSN数据压缩算法来减少传感器通信和计算开销.使用K-means算法将传感器节点划分为不同的簇,使用深度神经网络对相同簇中节点采集的数据进行压缩编码与分类,从而减小数据规模.使用贝叶斯估计算法对压缩编码后的数据特征进行融合.仿真测试与实验结果表明,所提出的算法能明显减少数据量,相比于Megrez算法与E-CPDA算法的数据融合精度分别提升了4.2%和19%,同时能够增加无线传感器网络的生命周期.     

基于内容检索的硅藻细胞自动分类

对硅藻细胞分类提出了一种基于内容的分类方法。该方法首先获取带外接圆的目标;然后,对其应用纹理主特征直方图,纹理变化度,纹理角特征3种方法提取出目标的特征向量;最后使用欧氏距离进行相似性度量。实验结果表明,该方法具有较好的分类准确率及召回率。     

RCS混合节点抗剪承载力计算方法对比研究

为研究适用性强的钢筋混凝土柱-钢梁(RCS)混合节点抗剪承载力计算方法,对近年来的RCS节点剪切破坏试验数据进行了统计,将试验结果与中国规程方法、Nishiyama方法、Parra方法和ASCE指南方法计算结果进行了对比,并对各方法的参数适用性进行了讨论。对比结果表明:4种方法均具有工程实用价值,其中Parra方法结果离散性最小,中国规程方法计算最为简便。参数分析表明:4种方法对不同配箍率和不同位置节点均有较好适用性,但对小轴压比节点（轴压比0~0.2）与柱贯通节点预测均偏于保守;中国规程方法对于混凝土强度高于60 MPa的节点预测结果偏于危险,同时对有直交梁节点承载力预测偏于保守。建议在公式中引入混凝土强度系数和直交梁约束系数,用以考虑两者对承载力的影响。     

基于CNN算法的网络信任等级模型研究

提出一种基于CNN算法的网络信任等级模型,解决用户节点信任值的高低对整个网络信任度造成影响问题。使用设定好的卷积神经网络对用户节点数据进行训练,完成用户信任等级分类工作,在提高执行效率的基础上,对数据完成有效分类,确定用户特征属性的具体维度范围,并通过噪声、运行时间、准确率和分类精度等不同方面对不同算法进行对比验证模型,实验结果表明,改进后的算法在集群环境下执行的效率得到很大提升,能够高效处理实验数据。     

考虑负荷波动与电压偏移的城市充电桩分类优化配置

为了减少城市充电桩大量建设对配电网产生的不利影响,提出了考虑负荷波动和电压偏移的城市充电桩分类优化配置模型。对城市不同功能区所需建设充电桩进行了分类,采用Monte Carlo抽样得到各类型电动汽车日总行驶距离,根据电动汽车在不同类型充电桩的充电需求比例得到各类型充电桩的日总充电需求;建立损失制和等待制排队论模型来获得充电桩数量;建立以配电网网损均值最小,负荷波动率均值最小和电压偏移之和最小的充电桩位置和容量优化配置模型,采用遗传算法求解;建立经济性和用户满意度评价指标,得到充电桩年均投资建设成本和日均用户出行成本。采用IEEE33节点配电网进行算例验证,结果表明所提方法在满足城市各类型电动汽车充电需求的前提下,可以合理选择出对配电网影响较小的充电桩优化配置方案。     

基于特征分类的机会网络多因素预测路由

为了对复杂的机会网络进行分类分析并且确定有效的路由机制,提出基于特征的分类,根据节点的移动特征、类型特征和信息传递特征对机会网络进行了形式化的分类,并给出一个基于特征分类的机会网络评价标准.在特征分类以及冗余-效用路由机制的基础上,提出基于多因素预测的路由规则,其中包含了基于节点运动时空局限因素、节点运动地理倾向因素、网络固定节点因素考虑的一系列启发式规则.特征分类和基于此的多因素预测路由规则都是开放式的,可以进行不断地完善与扩充.实验结果表明,基于特征分类的多因素预测路由规则的性能,显著优于经典的基于冗余的路由机制,以及基于冗余-效用混合的PROPHET机制.