基于能力因子的P2P邻居节点随机可变选择算法

在分析固定随机选择邻居节点算法的基础上,提出了一种适用于混合式P2P直播系统的邻居节点随机可变选择算法,新算法通过能力因子来衡量节点的良好度,对不同类的节点有不同的邻居数量的最大值,使得良好度高的节点能发挥更大的作用,仿真表明算法能降低数据传输的延迟,提高网络系统的性能。     

基于邻居向量的近似子图匹配

将近似子图匹配分成节点匹配和边匹配两个阶段。将数据图中所有节点的h-邻居节点表示成向量形式,采用一种启发式推理算法进行节点匹配得到节点对应关系,使用查询节点权重提高匹配相似度,使用节点过滤、索引技术和孤立候选节点提高运算效率;利用邻居向量索引得到匹配节点集合的扩展图,进行边匹配,得到匹配图。在真实数据上进行实验,实验结果表明,该算法效果较好,运算效率较高,可以应用于节点标签稀疏的情况和top-k近似匹配。     

基于内容的自适应块匹配改良算法

块匹配算法作为一种像素匹配的传统算法,由于匹配精度不稳定和计算复杂度大等缺点,从而导致其应用受到了很大的限制.为此,提出了一种改良的自适应块匹配算法.该算法先对目标图象内容进行预处理,并通过与统计阈值的比较,实现了相关窗口大小的自适应调整;同时对算法中的相关窗口隔点采样,利用镂空相关窗口进行匹配,从而在保证计算精度的前提下,很大程度上降低了计算复杂度;在累积误差的消除上,则利用匹配内容的几何约束关系和像素参数等特点进行二次定位.此外,还将彩色视频在亮度空间的YUV一维坐标进行投影,然后计算投影结果的相关值,从而实现了算法在彩色视频中的应用.实验证明,匹配精度和匹配速度有明显提高,该算法可应用在人脸特征点的跟踪和匹配.     

基于自然邻居和最小生成树的原型选择算法

K最近邻居是最流行的有监督分类算法之一。然而,传统的K最近邻居有两个主要的问题:参数K的选择以及在大规模数据集下过高的时间和空间复杂度需求。为了解决这些问题,提出了一种新的原型选择算法,它保留了一些对分类贡献很大的关键原型点,同时移除噪声点和大多数对分类贡献较小的点。不同于其他原型选择算法,该算法使用了自然邻居这个新的邻居概念来做数据预处理,然后基于设定的终止条件构建若干个最小生成树。基于最小生成树,保留边界原型,同时生成一些具有代表性的内部原型。基于UCI基准数据集进行实验,结果表明提出的算法有效地约简了原型的数量,同时保持了与传统KNN相同水平的分类准确率;而且,该算法在分类准确率和原型保留率上优于其他原型选择算法。     

基于特征分组和PSO的特征选择算法

在高维小样本数据的特征选择中,样本的变化会导致最终选出的特征呈现不稳定的特点。针对这种情况,提出了一种新的特征选择算法。首先通过计算特征间的互信息以确定特征关联性的强弱,依据将特征间的关联性强弱将特征分为不同的组,待分组完成后,使用粒子群算法对特征进行选择,并对少部分粒子进行随机扰动,避免粒子陷入局部最优。选择完成后的特征进行集成,得到最终特征子集。结合5个公开数据集进行实验,该算法的特征维度平均降低77.5%。与现有的方法比较,得到的结果在稳定性方面平均提高了4.0%。     

基于订阅内容相似性分组拓扑构建算法

现有发布/订阅系统分组普遍采用随机平均分组,没考虑代理的订阅内容会造成事件在所有分组中转发,增加网络流量.为此,提出一种基于订阅内容相似性分组拓扑构建算法.将每个代理的本地订阅聚集为一个订阅表达式,利用订阅间的相似性,把相似订阅所在代理添加到同一个组中,形成分组拓扑结构.实验结果表明,在不增加订阅信息转发流量和事件转发时延的情况下,可以明显降低事件在代理覆盖网之间转发流量,从而降低网络带宽占用率和代理平均负载.     

基于改进否定选择匹配算法的异常检测

使用了一种改进的否定选择匹配算法来检测异常行为。在这种算法中考虑了位置因素对两个序列匹配度的影响,从而能够更加准确识别自体与非自体,有效地减小检测集的规模。首先使用正常的序列调用生成初始检测集,然后通过学习来扩充检测集,使用最终得到的检测集扫描一定长度的调用序列,通过其中异常序列的比例来显示该段序列调用是否出现了异常。最后给出了实验结果。     

分组选择聚类融合算法

针对聚类融合算法可能出现信息失真等问题,提出一种新的聚类融合算法.该算法兼顾聚类质量与成员多样性,采用一种新的相似性度量,并依据度量结果先对聚类成员进行剪辑操作,再分组、选择,最后根据每个聚类成员对于各类别的贡献设计了一种新的加权函数.与其他方法相比,该方法具有较好的稳定性和精确性.     

基于内容的发布订阅系统中一种梯形匹配算法

基于内容的发布/订阅是一种新型的通信方式.事件的发布者不必给出事件明确的目的地址,事件的目的地址由匹配订阅者申明的订阅消息内容确定.因此,订阅与事件的匹配成为基于内容的发布/订阅系统中面临的关键问题之一.文中提出一种梯形匹配算法.先将所有订阅的约束按一定的规则存储于一个二维数组中,然后利用前一个订阅中某个约束是否匹配成功来判定此后也包含有此约束的订阅是否还需进行匹配,整个算法过程类似于线性代数中的梯形求解矩阵的解的方法.这样可以有效避免不同订阅中包含有相同约束被重复匹配的情况,从而加速事件与订阅的匹配效率,大大减少匹配所需要的时间.     

基于内容的发布订阅系统中快速匹配算法的研究

高效的匹配算法是大规模基于内容的发布订阅系统所要研究的关键问题之一．建立了订阅语言和事件模型，提出了一个高效、实用的基于内容的匹配算法，它充分利用了多维索引技术加速查询，利用约束间的覆盖关系减少重复匹配．实验表明其效率比其它常用算法具有较大提高，并且扩展性好，适合应用于大规模分布式基于内容的发布订阅系统中．     

高性能无冲突分组查找分类算法的研究

随着因特网的迅猛发展,信息安全、网络安全已经成为人们日益关注的焦点。本文提出了一种面向网络服务监控网关的基于用户的无冲突分组的报文分类算法。该算法是一种基于无冲突哈希和分组查找的多维查找算法,是在无冲突散列查找算法、Lakshman和Stiliadis提出的二维分类算法和iptables分类架构的基础上提出的,但该算法的平均空间性能和时间性能均优于无冲突散列查找算法和iptables分类算法。     

基于遗传算法的实体分群问题的求解方法

为减轻指挥人员的认知负担,研究了作战实体的分群问题。结合遗传算法强大的搜索能力和CBR在知识获取、维护等方面的优点,利用与CBR相结合的遗传算法求解分群问题。通过把各作战实体聚合为各种规模、各种类型的作战群体,该方法将大大减轻指挥人员的认知负担,提高其决策的效能。     

一种基于体育径赛的动态分组算法的设计与实现

常用的运动会管理软件中体育径赛项目分组分道多以固定八道处理,编排算法固定,存在一定的缺陷。本文提出了一种不受道数限制的动态分组算法,详细论述了该算法的设计思想,结合Office.NET组件技术论述了如何将此算法应用到校园田径运动会的秩序册编排系统中,有效地实现了灵活的径赛分组分道的编排任务。实验证明,利用本文提出的动态分组算法,可以对体育径赛项目进行灵活快捷地分组,在一定程度上弥补了目前运动会管理软件的不足。     

一种分组P2P网络模型

Internet的飞速发展使对等网络(P2P)及其相关领域的研究成为热点,但是当前P2P网络的结构并不完善。文中介绍了几种P2P模型,并在综合这几种模型优点的基础上,针对P2P网络的动态特性提出了一种分组P2P模型。该模型使用组节点管理对等点的加入和退出,有助于提高对等网络的稳定性。     

用IP组播实现同位体发现机制

Peer to Peer（P2P域对等网络）,是一种在不同电脑用户之间不经过中继设备而直接完成数据交换或服务交换的技术,Peer to Peer技术将引导网络计算模式从集中式向分布式转移,组播是一种允许一个或多个发送者（组播源）发送单一的数据包到多个接收者（一次的,同时的）的网络技术,文章探讨了IP组播技术的Peer to Peer网络中应用的可能性。     

一种基于Peer-to-Peer的分布式文件共享框架

主要探讨了在基于非集中式Peer to Peer网络中实现分布式文件共享和传输管理需要考虑的主要因素，给出了基于Gnutella框架的改进之处以及实现细节，并提出了以通信自相似性和拓扑幂律分布相结合的特性模型。     

基于混合遗传算法的任务驱动分组优化研究

智能算法应用到教学领域来实现自动分组具有重要意义。针对网络学习环境下任务驱动教学中如何按最优分组方案进行小组划分的问题,综合考虑了分组问题中学习者之间的特征差异和任务难易程度等影响因素,构建了基于任务驱动分组优化问题的数学模型,提出了基于混合遗传算法的任务驱动分组优化策略。在MATLAB7.0平台上,运用混合遗传算法对任务驱动的分组优化进行了仿真实验。实验结果表明,基于混合遗传算法的任务驱动分组优化是可行且有效的。     

关联变量分组的分解多目标进化算法研究

含有大规模决策变量的优化问题是当前多目标进化算法领域中的研究热点和难点之一。在解决大规模变量问题时,目前的进化算法并没有寻找决策变量之间的关联信息,而都只是将所有变量视为一个整体来进行优化。但随着优化问题中决策变量的增多,“变量维度”成为瓶颈,从而影响算法的性能。针对上述问题,提出关联变量分组策略,通过识别决策变量间内在的关联信息把关联变量分配到同组中,将复杂高维变量的优化问题分解为简单低维的子问题来求解。该策略通过增加关联变量分配到同组中的概率来使算法尽可能地保留变量之间的关联性,减少分组后子问题间的依赖性,从而提高子问题最优解的质量并最终获得最佳的Pareto最优解集。将该算法在标准测试函数上进行变量扩展后再进行仿真对比实验,采用性能指标对算法的收敛性和多样性进行对比分析。实验结果表明,该算法在解决大规模变量的多目标优化问题中,随着决策变量维度的增加,比经典的多目标进化算法NSGA-II、MOEA/D以及RVEA具有更佳的收敛和更好的分布性能,所求得的Pareto解集质量更高。     

基于Bloom Filter和概率分发队列的P2P网络快速查找算法

无结构化P2P网络资源定位过程中的响应时间、查准率及覆盖率难以同时被优化。提出一种面向有向无环随机网络的基于Bloom Filter和概率分发队列的快速查找算法BFPDQ(Bloom Filter and Probabilistic Distribution Queue),它用Bloom Filter表达和传递节点命中资源信息及查找请求信息,计算新查询消息与历史查询消息Bloom Filter语义向量相似度,并应用底层网络路径性能信息指导上层转发决策。概率分发队列(Probabilistic Distribution Queue,PDQ)把传统walkers表示成为查找消息分发队列,查找请求者协调各分发队列的查找方向和深度,并融合各队列查找过程中得到的定位消息。仿真实验表明,BFPDQ算法在保持较少冗余信息的同时有效缩短了响应时间。     

P2P网中基于文件分片的副本建立策略

在大规模P2P网络中,为了提高数据的可用性,可以通过在系统中多个节点上建立数据副本的方法来增加数据的冗余度.传统方法建立副本的过程中,数据资源通常是以完整的数据文件为单位在节点间进行拷贝.为了减小副本建立的开销,可采用一种基于文件分片的副本建立策略,将需要复制的数据文件先进行分片,然后把这些分片在一组选取好的候选节点间进行分发复制,能够充分利用网络带宽,明显减小建立副本所需的时间开销.