基于异质模体特征的社交网络链路预测

现有链路预测方法大多是针对同质网络,没有考虑到真实网络多数是节点或连边性质具有差异的异质网络,无法充分利用不同类型节点或连边的拓扑结构信息.提出了一种基于异质模体特征的链路预测方法,将网络中的用户以性别差异作为节点类型划分,构建区分节点类型的异质模体特征进行异质网络中的链路预测.在此基础上,提出融合同质模体与异质模体特...     

基于粒子群优化算法的社交网络可视化

为了使用户快捷、清晰地发现及研究微博用户之间的关系,提出基于粒子群优化(PSO)算法的微博数据可视化方法.根据用户在微博中的影响力将用户分为n层,以此来表示用户在网络中对信息的传播影响力的等级.基于数据的关联关系对数据进行子群划分;基于粒子群优化算法,设计目标函数,使粒子群优化算法适应社交网络的布局要求.为了进一步增强可视化效果,降低视觉复杂度,采用曲线代替直线,应用传输函数设置不透明度以及交互的可视化技术.实验结果表明,该方法可以形成清晰的可视化结果,以便更好地分析微博用户之间的关系.     

基于图神经网络的兴趣活动推荐算法

针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率.首先,通过图神经网络提取异质图的高阶连接信息对每个节点的影响,更新节点的嵌入式表示;然后,将用户-活动的嵌入式表示输入到多层感知机中,得到基于当前嵌入...     

数据仓库中元数据的表示模型

介绍一种对异质数据库、多媒体信息及其它信息源数据都适用的、统一的元数据表示模型.通过分析元数据的有关特性,比较现有元数据模型的局限性,用适合进行元数据表示和交换的语言XML来描述该元数据模型.该模型描述了结构化数据、半结构化数据及无结构化数据,具有可行性及可扩展性.为数据仓库中构造一致的元数据模型提供了一个示例.     

无线传感器网络时空数据聚集查询算法

提出了基于属性簇的时空数据聚集查询算法.数据聚集以簇为WSNB-TREE存取目标,将无线传感器网络（WSN）所覆盖的区域划分为多个属性簇,同质传感器的数据便于实时统计处理和分时段查询;对于事先确定监测的区域,以区域划分数据聚集簇,将异质传感器的聚集数据进行汇集,从而快速过滤获取需查询的“事件”,进而实现对全网的时空数据聚集查询.     

一种基于用户信任网络的推荐方法

为了解决推荐中存在的数据稀疏、准确度不高等问题,提出了一种基于用户信任网络的推荐方法. 首先利用基本的社会网络,融合用户的基本信任关系、角色影响力、属性相似关系、偏好相似关系构造带权重的社会网络,然后基于此网络提出关键路径发现算法以发现满足约束条件的用户信任网络,最后基于用户信任网络进行推荐. 在Filmtipset数据集上对影响推荐质量的各个因素进行了对比分析,结果表明,基于用户信任网络的方法能得到更好的推荐效果.     

面向IaaS云平台的用户异常行为检测方法

针对IaaS(Infrastructure as a Service)云平台中用户异常行为的检测问题,提出了一种基于用户行为模型和神经网络相结合的异常检测方法.该方法通过构造一种基于时间、地点和事件的用户行为模型,在此基础上建立用户的正常行为模式,并与神经网络算法相结合,将用户当前行为网络输出值与给定阈值进行比较,以此来判断用户的行为是否异常,从而实现用户行为的异常检测.实验结果表明,相比其它类似的用户行为检测方法,该方法能更有效发现用户的异常行为.     

基于LDA模型的在线网络信息内容安全事件分类

针对在线网络信息内容安全事件的分类问题,利用网络用户通信信息中含有的时间、关系和内容特征均可基于文本描述的特点,引入LDA模型,提出了一种实时多维信息联合（RMIA-LDA）的在线信息内容安全事件分类模型及算法。以网络通信中的时间特征为轴,对由此划分出的各个时间片段中的通信关系、通信内容特征采用LDA模型进行建模分类,对分类结果的相似性进行度量后,再与增量更新数据部分的分类结果归纳合并,从而得到当前实时在线数据中的事件分类。仿真实验结果表明,该模型和算法可以有效实现网络中信息内容安全事件的在线分类,较现有算法具有优越的性能。     

基于FA-PCA-LSTM的光伏发电短期功率预测

准确的短期光伏功率预测是调度部门合理制定发电计划、保证电力系统安全性和经济性的关键性技术.针对光伏出力可预测性低的问题,提出了一种结合因子分析(factor analysis,FA)、主成分分析(principal component analysis,PCA)和长短期记忆网络(long short-term memory,LSTM)的光伏发电短期功率预测方法.首先采用因子分析对多元数据序列信息进行分析,提取相关性较高的公共因子并优化样本.然后通过主成分分析对优化后的多元数据序列进行筛选,在充分利用序列信息的基础上降低数据规模和复杂程度.最后,利用LSTM网络对多元数据序列与光伏功率序列之间的非线性关系进行动态时间建模并预测.采用中国新疆某光伏电站的实测数据进行验证,算例分析结果表明所提预测方法的有效性.     

基于Ontology的网络元数据抽取系统的研究与实现

万维网(World Wide Web,WWW)现在已经成为一个巨大的信息发布平台,理论上,人们可以找到任何感兴趣的信息.问题是目前的信息检索效率很低,通过传统基于关键词匹配的信息检索通常检索到大量不相关的冗余信息.由B.Lee 1998年提出的语义网,被称为下一代网络,将会对信息检索起到根本性的改变,而语义网中语义元数据是其中的核心基础.本文设计并实现了一种基于Ontology的网络元数据抽取系统.它使得用户可以构建和维护领域本体,对网页、PDF文件以及图像等网络资源进行元数据标注,然后基于构建的Ontology对标注过的网络资源进行元数据抽取,并且将抽取的各类元数据以统一的格式存储到元数据信息库中.     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

SMSC负荷状态检测方法研究

对短消息服务中心的负荷状态检测方法作了探讨。在研究系统负荷状态与内部资源关系的基础上,给出了负荷状态检测参数、检测模型及基于多参数数据融合的检测方法,并通过实验测试结果对其有效性进行了分析。研究表明,系统的负荷状态可以通过对多种内部资源消耗量的检测进行评价,多参数冗余信息融合后可以提高结果的可靠性和置信度。     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

FusionCache: 采用闪存的iSCSI存储端融合缓存机制

针对原生的iSCSI目标端控制器缺乏独立的缓存模块问题,为了进一步提高存储区域网的整体性能,在iSCSI target软件中引入了一种基于闪存的融合缓存机制FusionCache.FusionCache利用闪存和DRAM组成统一的融合缓存架构,闪存充当DRAM的扩展空间,DRAM分为缓存块元数据区和前端缓存区.元数据区基于基数树管理缓存块元数据,用于加速缓存块的查找;前端缓存区基于回归拟合统计并预测缓存块访问热度,并吸收大量写入对闪存带来的冲击,只允许热点数据进入闪存.FusionCache采用改进的LRU算法对缓存块进行替换,并且在写回过程中考虑iSCSI会话状态.实验结果表明:FusionCache能降低对后端磁盘设备的访问频率,提高I/O响应的速度和吞吐.与只采用DRAM的缓存机制以及原生iSCSI target相比,FusionCache的I/O访问延时分别降低了33%和60%,吞吐分别提高了25%和54%;相较于Facebook提出的Flashcache机制,FusionCache的吞吐性能提高了18%,延时降低了27%;FusionCache还具有良好的读缓存命中率;此外,FusionCache能够减少闪存的写入次数,提高闪存使用寿命.FusionCache提供良好的网络存储效率,并且降低了使用成本.     

Multi-layer perception approach to identification of compound information

0　ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｒｅｃｅｎｔ ｙｅａｒｓ ,ｔｈｅ ｐｒｏｃｅｓｓｉｎｇｏｆｃｏｍｐｏｕｎｄｉｎｆｏｒｍａｔｉｏｎ (ｈｉｇｈ ｌｅｖｅｌｉｎｆｏｒｍａｔｉｏｎ)ｔｈａｔｉｓｒｅｌａｔｅｄｔｏｍａｎｙｃｏｎｖｅｎｔｉｏｎａｌ ｐｈｙｓｉｃａｌ ｑｕａｎｔｉｔｉｅｓｈａｓｒａｐｉｄｌｙｅｖｏｌｖｅｄ[1,2 ] .Ｅｎｖｉｒｏｎｍｅｎｔｃｏｍｆｏｒｔｃａｎａｌｓｏｂｅｃｏｎｓｉｄｅｒｅｄａｓｓｕｃｈａｔｙｐｅｏｆｉｎｆｏｒｍａｔｉｏｎｔｈａｔｃｏｍｐｒｉｓｅｓｈｕｍｉｄｉｔｙ ,ｔｅｍｐｅｒａｔｕｒｅ…     

基于深度图卷积网络的社交机器人识别方法

提出了一种基于深度图卷积神经网络的社交机器人识别方法。首先,在元数据特征的基础上,引入RoBERTa模型进行博文情绪分类,进一步提取更能区分社交机器人和普通人的情绪多样性特征;同时采用single-pass进行博文聚类,构造博文相似图;在此基础上,提出了在GCNII模型上增加Attention机制的A-GCNII模型,通过捕捉用户元数据特征和社交网络中同一话题下的用户关系结构特征识别社交机器人。在真实新浪微博数据集上进行对比实验的结果表明,该方法在识别准确性和效果上均表现良好。     

基于多传感器的汽车防盗系统的数据融合技术

基于汽车的常见被盗方式，介绍了用多传感器采集信号、信息融合技术处理信号的方法，分析了信息融合技术的基本算法，讲述了神经网络的自学习和自组织能力．通过分析可知：使用多传感器的汽车防盗系统具有高的准确性和可靠性，能起到及时、有效的预警和报警作用．     

基于多传感器的汽车防盗系统的数据融合技术

基于汽车的常见被盗方式,介绍了用多传感器采集信号、信息融合技术处理信号的方法,分析了信息融合技术的基本算法,讲述了神经网络的自学习和自组织能力.通过分析可知:使用多传感器的汽车防盗系统具有高的准确性和可靠性,能起到及时、有效的预警和报警作用.     

基于代码执行模拟的远程缓冲区攻击检测方法

分析了缓冲区溢出攻击的原理和方法,提出了一种新的通用网络缓冲区溢出的检测方法,此检测方法通过代码执行模拟计算网络报文中含有的可执行代码序列的最大长度来进行缓冲区溢出的网络检测.实验证明,该检测方法不仅能快速有效地检测传统的远程缓冲区溢出的攻击,而且还可以检测变形的shellcode.