基于拓扑势的网络拓扑建模方法

针对现有拓扑建模研究中层次型模型不满足幂率分布规律的问题,提出一种基于节点拓扑势与幂率特性的层次化网络拓扑建模方法,给出拓扑生成算法PPHM。通过计算拓扑势实现网络节点的分层,能准确发现网络中的重要连接。对平均最短路径长度等拓扑参数的比较结果证明了该方法的有效性。     

基于拓扑势的网络拓扑建模方法

针对现有拓扑建模研究中层次型模型不满足幂率分布规律的问题,提出一种基于节点拓扑势与幂率特性的层次化网络拓扑建模方法,给出拓扑生成算法PPHM。通过计算拓扑势实现网络节点的分层,能准确发现网络中的重要连接。对平均最短路径长度等拓扑参数的比较结果证明了该方法的有效性。     

复杂网络中的在线社交网络演化模型

在线社交网络是一种广泛存在的社会网络,其节点度遵循幂率分布规律,但对于其结构演化模型方面的相关研究还不多。基于复杂网络理论研究在线社交网络内部结构特征,提出一种结合内增长、外增长及内部边更替的演化模型,借助平均场理论分析该模型的拓扑特性,实验和理论分析表明由该模型生成的网络,其度分布服从幂率分布,且通过调整参数,幂率指数在1~3,能较好地反映不同类型的真实在线社交网络的度分布特征,因此具有广泛适用性。     

一种基于幂率的层次型拓扑生成算法HIPL

拓扑建模是网络性能研究的关键技术.层次性和幂率分布是大型网络拓扑结构的两个固有的性质,现有的拓扑模型只反映了其中的某一个性质.将幂率分布规律和层次型拓扑生成算法结合起来,提出了一种基于幂率的层次型网络拓扑生成算法HIPL.实验通过对群集系数、直径、平均度数等拓扑参数的比较,表明了HIPL的可行性和有效性.     

幂律特性在新浪微博个性化推荐中的应用研究

在社交网络数据中,幂率分布是数据的基本规律,幂率分布的长尾部分数据有明显的稀疏性,长尾推荐一直是推荐系统的挑战,而冷启动、数据稀疏和覆盖率这些问题也是推荐系统的重要研究内容。通过分析数据幂律分布的特性,在研究社交网络个性化推荐方法的基础上,结合社交网络用户行为数据反映出来的幂律分布特性,通过极大似然估计数据幂律分布的标度值。结合幂率特性改进了相似度计算方法,提出了一种基于幂率特性的混合推荐方法 PowerLawCF。最后,使用新浪微博的用户签到数据进行对比分析,PowerLawCF算法的推荐效果有显著提升,提高了长尾推荐的效果,对推荐系统的数据稀疏性和冷启动问题解决效果较好,说明基于幂律分布特征的推荐方法在推荐系统中的应用有积极的效果。     

Internet AS层幂率拓扑建模研究

由于真实网络中"富人俱乐部(Rich-Club)"现象的存在,网络中的核心层节点之间的连接度远远高于其它层的节点连接度,且核心层的度分布近似随机分布。文中分析和考察了AS层Internet网络常见的幂率模型,这些模型都能抓住Internet网络幂率分布的特征,但在Rich-Club现象方面存在不足。因此,在BBV模型的基础上提出了改进的幂率拓扑生成算法RBBV。RBBV模型考虑AS层Internet网络Rich-Club现象,并能够恰当地反映网络QoS属性要求。最后,用连续介质理论对RBBV模型进行理论分析,结果表明该模型的点强度和度分布都符合复杂网络的幂率特征。     

TF法则嵌入机制的动态局域加权网络模型

分析目前加权局域世界演化模型已取得的研究成果,在其基础上进行综合改进与完善,提出一种TF法则嵌入机制的动态局域加权网络模型(TF-DLW),该模型在演化过程中融入了TF法则和BBV权值动态演化机制。平均场理论和计算机模拟仿真均验证了该模型强度分布具有幂率特性。同时,计算机仿真中强度分布、边权分布以及度分布均出现了幂率肥尾现象,三角形结构的嵌入使得模型能更平稳地调节聚类系数的大小。实验表明,TF-DLW演化模型继承了许多复杂模型具有的幂率分布特性,而且可以快速平稳地调控簇系数的范围大小。     

自增长网络模型及其算法

众所周知,现实世界的网络大部分都不是随机网络,少数的节点往往拥有大量的连接,而大多数的节点连接却很少,这正是无标度网络的重要特性。于是对于无标度网络性质的研究,因为其实用性而变得及其重要。首先定义了一种新的自增长网络模型,对它的基本参数进行计算,证明了它的无标度性。其次验证模型的最大叶子生成树的度分布服从幂率分布,并且得到了网络的平衡集,从而对无标度网络有了初步探索。最后给出了一个计算平均路长的算法。     

基于测量的P2P网络模型分析

随着P2P软件的高度流行,internet网络的业务环境正在发生改变．为此需要通过网络测量深入地了解P2P网络的基本特性。本文对已有的P2P网络的测量成果进行归纳总结。研究了传统幂率拓扑及流量的长程相关性在P2P网络环境下的适用性问题,并得出了P2P网络平台的基本拓扑模型及流量模型。     

网络仿真软件的应用与实践

网络仿真是一种利用数学建模和统计分析的方法模拟网络行为,从而获取特定的网络特性参数的技术。该文使用网络仿真软件进行网络性能仿真,通过仿真测试网络利用率、丢包率及阻塞情况,构造了不同处理方式的网络模型,给出了仿真结果并进行了分析。     

Software execution processes as an evolving complex network

Inspired by the surprising discovery of several recurring structures in various complex networks, in recent years a number of related works treated software systems as a complex network and found that software systems might expose the small-world effects and follow scale-free degree distributions. Different from the research perspectives adopted in these works, the work presented in this paper treats software execution processes as an evolving complex network for the first time. The concept of software mirror graph is introduced as a new model of complex networks to incorporate the dynamic information of software behavior. The experimentation paradigm with statistical repeatability was applied to three distinct subject programs to conduct several software experiments. The corresponding experimental results are analyzed by treating the software execution processes as an evolving directed topological graph as well as an evolving software mirror graph. This results in several new findings. While the software execution processes may demonstrate as a small-world complex network in the topological sense, they no longer expose the small-world effects in the temporal sense. Further, the degree distributions of the software execution processes may follow a power law. However, they may also follow an exponential function or a piecewise power law.     

软件网络分形结构特征研究

随着互联网技术的发展,软件系统的规模也在日益扩大,软件功能的变化使得软件网络的结构呈现差异化。软件网络的分形结构体现出软件网络整体和局部对象类之间依赖调用的自相似性,可以从代码层面上对软件系统结构以及功能进行分析。文中对软件网络分形结构特征进行研究:首先,综合类之间的依赖关系,对软件网络进行加权;然后利用基于网络中心性的盒子算法计算加权软件网络结构的分形维度,以分析其分形结构特征;最后,利用上述方法对spring和struts2这两款具有代表性的java软件框架进行分析。实验表明,这两款软件以及它们的子模块都具有分形结构特征,软件网络的分形维数随着模块功能复杂程度的增加而增加,功能综合性较强的软件网络分形维数要大于功能专一的软件网络;并且在版本演化过程中,软件网络的分形维数随着软件功能的丰富也呈现上升的趋势。     

基于GMDH因果关系的软件缺陷预测模型

软件缺陷预测是软件可靠性研究的一个重要方向。基于自组织数据挖掘(GMDH)网络与因果关系检验理论提出了一种软件缺陷预测模型,借鉴Granger检验思想,利用GMDH网络选择与软件失效具有因果关系的度量指标,建立软件缺陷预测模型。该方法从复杂系统建模角度研究软件度量指标与软件缺陷之间的因果关系,可以检验多变量之间在非线性意义上的因果关系。最后基于两组真实软件失效数据集,将所提出的方法与基于Granger因果检验的软件缺陷预测模型进行比较分析。结果表明,基于GMDH因果关系的软件缺陷预测模型比Granger因果检验方法具有更为显著的预测效果。     

面向用户的软件柔点可用性评估方法的研究

为了进一步提高面向用户的软件产品的开发质量,结合面向用户的软件柔点的具体特征,运用可用性工程理论,根据不同层次柔点对应的用户不同,对不同层次的柔点的可用性评估指标在有效性、效率、用户满意度这三个方面进行分解,构建了一种软件柔点的可用性评价方法,给出了柔点的可用性大小的计算方法。     

基于泛函网络的软件可靠性多模型综合预测方法

将泛函网络引入软件可靠性预测,利用其比神经网络更好的解释性及其他性能,提出了基于泛函网络的软件可靠性多模型综合预测方法。首先阐述了泛函网络的结构和学习过程,然后将多个单一模型的预测值作为泛函网络的输入,将实际值作为输出,建立泛函网络结构,给出了泛函网络的学习算法,制定了3种训练策略,并进行了实验分析。实验结果表明:在第三种训练策略下,基于泛函网络的软件可靠性多模型综合预测方法有较高的预测精度,其预测效果比单个模型和Lyu提出的线性综合模型都好。     

神经网络在软件失效预测中的性能比较和研究

在软件开发的早期预测有失效倾向的软件模块,能够极大地提高软件的质量.软件失效预测中的一个普遍问题是数据中噪声的存在.神经网络具有鲁棒性而且对噪声有很强的抑制能力.不同结构的神经网络在训练算法和应用领域都有差异.该文主要就软件失效预测这个应用领域叙述几种适用的网络,并比较这几种网络在训练结果和性能上的差异.上述方法在SDH通信软件的失效预测中得到了成功的应用.试验结果显示虽然MLP、PNN、LVQ网络都能解决这类模式分类问题,但是只有MLP网络训练结果比较稳定,在不同的数据集上训练出的网络都有很好的预测效果.     

A review on queueing network models with finite capacity queues for software architectures performance prediction

A review is carried out on how queueing network models with blocking have been applied so far into the performance evaluation and prediction of Software Architectures (SA). Queueing network models with finite capacity queues and blocking have recently been introduced and applied as more realistic models of systems with finite capacity resources and population constraints. Queueing network models have been often adopted as models for the evaluation of software performance. Starting from our own experience, we observe the need of a more accurate definition of the performance models of SA to capture some features of the communication systems. We consider queueing networks with finite capacity and blocking after service (BAS) to represent some synchronization constraints that cannot be easily modeled with queueing network models with infinite capacity queues. We investigate the use of queueing networks with blocking as performance models of SA with concurrent components and synchronous communication. Queueing theoretic analysis is used to solve the queueing network model and study the synchronous communication and performance of concurrent software components. Our experience is supported by other approaches that also propose the use of queueing networks with blocking. Directions for future research work in the field are included.     

中间件在无线传感器网络节点设计中的应用

在无线传感器网络(W SNs)节点设计和应用软件开发中引入中间件技术,提出了一种基于中间件的W SNs节点软件、硬件体系结构。一定程度上简化了异构的传感器网络的应用开发,并使得不同应用实例之间实现跨网络的协同工作。     

A language-independent approach to the extraction of dependencies between source code entities

ContextSoftware networks are directed graphs of static dependencies between source code entities (functions, classes, modules, etc.). These structures can be used to investigate the complexity and evolution of large-scale software systems and to compute metrics associated with software design. The extraction of software networks is also the first step in reverse engineering activities.ObjectiveThe aim of this paper is to present SNEIPL, a novel approach to the extraction of software networks that is based on a language-independent, enriched concrete syntax tree representation of the source code.MethodThe applicability of the approach is demonstrated by the extraction of software networks representing real-world, medium to large software systems written in different languages which belong to different programming paradigms. To investigate the completeness and correctness of the approach, class collaboration networks (CCNs) extracted from real-world Java software systems are compared to CCNs obtained by other tools. Namely, we used Dependency Finder which extracts entity-level dependencies from Java bytecode, and Doxygen which realizes language-independent fuzzy parsing approach to dependency extraction. We also compared SNEIPL to fact extractors present in language-independent reverse engineering tools.ResultsOur approach to dependency extraction is validated on six real-world medium to large-scale software systems written in Java, Modula-2, and Delphi. The results of the comparative analysis involving ten Java software systems show that the networks formed by SNEIPL are highly similar to those formed by Dependency Finder and more precise than the comparable networks formed with the help of Doxygen. Regarding the comparison with language-independent reverse engineering tools, SNEIPL provides both language-independent extraction and representation of fact bases.ConclusionSNEIPL is a language-independent extractor of software networks and consequently enables language-independent network-based analysis of software systems, computation of design software metrics, and extraction of fact bases for reverse engineering activities.     

基于软件加权网络的软件结构复杂性度量

软件结构复杂性问题一直备受关注。随着软件规模的不断增大,传统的度量方法已很难适应软件的发展。为了有效地度量软件结构复杂性,以复杂网络理论为基础,分析软件加权网络的强度和紧密度特征参数之间的关系,并统计软件样本集的总体特征量。首先选取特征值较大的软件,研究其对应的软件加权网络中强度和紧密度数值较大的节点。然后对比分析排序差别较大的节点的属性和功能。最后评价两种软件结构复杂性度量方法,得出用强度可以度量软件局部结构的复杂性,紧密度能够度量软件整体结构的复杂性。