基于wordNet的类别可拓展网页分类系统

基于文本写作常采用一个意思由多个不同写法的单词来表述,研究词义文本分类法被用来替代使用关键词分类算法以提高分类准确率.分析wordNet内Synset架构,认为一个兼顾词义以及词义间关系的词义文本分类系统可应用到网页分类中.该系统同时注意到固定的文本类别结构以及结构内不断增长的文件数目间的区别,加入了基于类别信息聚类方法的类别拓展的功能.仿真实验证明,该分类系统与现有的基于语义的分类系统相比,在分类准确度性能上能提高13%.基于类别信息类聚的文本拓展功能与采用基于相似度的类聚方法的系统相比获得了一个质量更高的新增类别.     

基于业务需求的动态服务承载网构建算法

可重构信息通信基础网络通过构建可重构服务承载网的方式为业务提供自适应承载服务。针对服务承载网动态构建中底层资源高效利用的问题,提出一种基于业务需求的动态服务承载网构建算法。算法构建了可重构服务承载网模型;基于业务需求的动态特性,定义了服务承载网构建花费;以最小化构建花费为目标,感知业务需求类型及其变化状态,并设计了相应的动态服务承载网构建算法。仿真结果表明：算法在业务性能、构建成功率、收益花费比等方面均具有良好性能。     

面向服务的承载网络探讨

为解决传统网络"单一网络、单一业务承载"造成的不适应未来网络业务发展需求的问题,文章认为下一代网络应面向服务构建.通过对目前存在的典型面向服务网络技术的分析,总结出面向服务网络的特点,并针对下一代信息网络业务对承载网络的需求,提出一体化承载网络构建策略.     

基于层次化类别嵌入的电力ICT系统故障分类

为解决电力信息通信客服系统在故障研判时存在故障分类准确率低甚至误分的问题,提出基于层次化类别嵌入的文本分类方法,进行电力信息通信系统故障识别.首先,基于电力信息通信系统故障的用户保修工单文本数据构建电力信息通信系统层次化电力故障标签;其次,提出了基于层次化深层金字塔卷积神经网络和基于层次化中断循环神经网络2种层次化文本分类方法,采用层次化类别嵌入方法逐层进行故障类型分类.实验结果表明,基于层次化深层金字塔卷积神经网络的方法效果最优,可以提供高效、准确的故障识别服务.     

可重构网络中用户业务聚类方法初探

对新型网络技术体系下用户业务进行聚类方法进行了探讨。给出了可重构网络节点模型,并对用户业务聚类需要的业务性能参数作了论述,从中选出时延和丢包率两个参数来进行用户业务分类。提出的用户业务等级度量函数,能很好的表征业务的性能级别,为用户业务聚类方法提供了一个新思路。     

可重构网络中柔性网络配置代理服务提供模型

随着网络的进一步发展,越来越多新出现的业务要求网络不仅能提供信息传输的可靠性,还要求它们使用的网络在不同服务需求下都能提供稳定服务。柔性网络配置代理是用来根据服务提供控制网络资源使用,提高网络性能,解决上述网络资源配置问题的核心。从流量特性的角度出发,抽象出柔性网络配置代理的服务提供模型,并讨论了柔性网络配置代理的实现。     

面向服务提供的网络资源分配研究

资源分配是网络构建的基础。为构建具有多种服务能力的一体化承载网,文章对现有网络资源及资源分配方法进行了分析。根据一体化承载网中逻辑承载网构建的特点,基于可重构路由交换平台,给出了面向服务提供的资源分配策略。     

一种可探测新颖类别的数据流分类算法

针对可探测新颖类别的数据流分类算法不能处理混合属性且新颖类别探测准确率不高,引入VFDTc算法作为基分类器学习算法,并改进新颖类别探测方法以处理混合属性数据和提高新颖类别的探测准确率。实验结果表明,改进后的算法具有较高的分类模型学习效率、数据流分类精度和处理速率。     

面向服务的逻辑承载网构建方法研究

研究基于开放式可重构路由交换平台的面向服务的新型网络技术体系中面向服务的逻辑承载网构建方法,归纳了建立于物理承载网之上的逻辑承载网络的构建原则,提出了一种考虑带宽限制的逻辑承载网路由算法,分析了网络拓扑与逻辑承载网路由之间的关系以及由此导致的重路由问题,构建符合要求的逻辑承载网络。     

基于CCM的可重构企业信息系统框架设计

从软件重用的角度对企业信息系统进行研究,提出了一种基于CCM的可重构企业信息系统框架。通过对框架的几个重要组成部分的设计出发详细阐述了可重构企业信息系统框架的实现方案,同时通过扩展CCM业务构件中消息和通知服务以实现框架中构件的组装和集成。     

基于S-Paramics信号交叉口交通服务水平评价

分析了信号交叉口交通服务水平评价的重要性,构建了利用S-Paramics进行信号交叉口交通服务水平评价的步骤,并在此基础上,以上海江川路沪闵路交叉口为例,进行评价验证。仿真结果表明,基于S-Paramics的评价结果与理论计算值基本吻合。     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法。该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力。仿真结果表明,该预测方法能有效降低预测误差,与现有方法相比,话务量的预测精度提高了6．57％。     

基于流量监测的用户流量行为分析

为了解决网络用户流量行为描述维度过高, 且在海量网络用户流量行为数据中分析单用户流量行为比较困难的问题, 提出一种基于流量监测的异常流量时间定位和用户定位方法.首先, 基于网络流量特性提出一个较为完备的特征集, 对网络用户流量行为进行全面描述.其次, 提出一种基于偏离距离的特征选择规则, 选择出适合于海量网络用户流量行为分析的优化特征集, 实现网络用户异常流量行为的快速时间定位.最后, 在异常流量行为发生时刻对单用户流量行为进行分析, 从而定位发生异常流量行为的用户.实验结果表明, 本系统对网络用户异常流量行为具有较好的检测效果.     

基于组合模型的网络流量预测

网络流量预测模型对于网络性能评价和服务质量保证有着重要意义。网络性能评价、网络规划、网络预测都离不开真实的数据和现象的捕获。基于自回归滑动平均模型（ARMA）,利用时间序列建模,提出了利用组合模型对网络流量进行预测的方法。理论分析和实验结果表明,组合模型能达到较高的预测精度。     

基于对象类方法的三维树造型技术

通过分析植物结构的分形特征及其与面向对象设计方法的一致性，担子同基于对象类方法的三维树造型技术，并以一个实例讨论了该技术的设计思想及实现过程。     

在线聚类的网络流量识别

针对网络流量在线识别的难题,提出一种聚类算法和在线流量识别方案.以网络数据流的若干初始数据包作为子流,提取子流的统计特征,应用基于滤波器算法的属性相关性算法提取子流最佳特征子集,并提出基于密度的在线带噪声空间聚类算法对子流特征向量进行聚类,采用优势概率业务实现聚类和应用类型的映射.实验结果表明,该方案具备识别新应用类型和加密数据流的功能,且能实现在线的网络流量分类.     

基于网络道路交通流仿真平台的研究与设计

以交通流理论为指导思想,提出采用OPNET网络仿真软件设计网络道路交通流仿真平台.介绍了OPNET网络仿真软件的能力映射到设计网络道路交通流仿真平台所作的研究,认为从理论、方法和技术上是可行的.     

一种基于BP网络的流量分类方法

针对传统的网络流量分类方法准确率低、开销大、应用范围受限等问题,提出了一种基于BP网络的流量分类方法。该方法改进了标准的BP网络算法,采用基于Lyapunov函数得到的自适应学习率,并引入遗传算法优化网络的初始连接权值和阈值,使网络避免陷入局部最小,加速了网络收敛过程。实验结果表明,采用改进的BP网络算法来处理网络流量分类问题具有明显的优势：该方法的收敛速度和拟合精度均优于标准BP算法,而且流量分类准确率高于NB算法。     

ATMS中基于视觉的交通事件管理研究

结合高速公路未来管理系统的需求，设计了一种先进交通管理系统（ATMS）的实现框架，定义了系统的功能模块，给出了实现模型. 针对目前系统中信息管理的不足，采用业务和事件的综合化信息采集和管理，保证网络业务正常运营的同时提供实时交通路况信息. 采用了基于视觉的事件管理，其在ROI（感兴趣区域）检测、运动检测、车辆质心提取、匹配跟踪、车型识别等多种视频预处理的基础上提供准确路况信息，实现事故管理；进而利用实时CORBA（通用对象请求代理）分布式动态交通分配模型，将实时交通流量在路网各路段进行合理分配，并向终端用户提供准确的交通信息和路径诱导，达到及时有效的交通管理.