异构网的QoS参数映射模型和映射方法

针对异构融合网络中不同网络的QoS和映射问题,解决分类和映射方法是提出QoS参数映射模型。在充分研究现有异构网QoS参数映射方法的基础上,提出了QoS参数映射三维模型（Three-dimensional Model for QoS Parameter Mapping,QoS-TMPM）,模型采用颗粒度适中、区分度较大的QoS分类关键参数进行搭建。同时,基于QoS参数映射三维模型的QoS参数映射方法能顺利地完成异构网络间的QoS参数映射,仿真结果表明QoS参数模型和参数映射方法能改善QoS保证服务,从而提高用户的业务体验质量。     

一种基于用户感知的灰联度分析QoS映射方法

随着网络融合的迅猛发展,如何在异构网络间进行合理有效的QoS映射使用户获得满意的服务成为当前急需解决的问题。通过分析现有异构网络中QoS映射方法的难点与不足,在SLA架构上提出一种基于用户感知QoE的GRQM映射算法,采用灰关联分析的方法获取与用户感知有最大贴近度的承载网络QoS指标组合,从而实现业务QoS的精确映射和切实保障。     

一种细粒度的区分服务及QoS映射优化研究

针对传统区分服务模型服务等级分类有限,结合策略管理的优势,提出了基于策略的细粒度区分服务概念,给出了不同类型区分服务的通用描述形式,提出了基于遗传算法的细粒度服务优化算法.当系统资源不足以满足多媒体流的传输要求或者用户需要细粒度的区分服务质量时,通过启用遗传算法对PHB进行组合优化,能够在较少的代数内求得满足用户QoS要求的最优解,实验表明该算法可行.     

基于策略的异构网络多层QoS管理体系研究

目前通信网络呈现出多样化、冗余化、异构化的特点,在这样的网络环境下存在端到端的传输质量问题。在研究QoS管理和策略管理框架的基础上,介绍了常见的QoS管理框架和基于策略的QoS管理的概念及基本思想;分析了异构网络环境下端到端QoS保证面临的问题;提出了基于策略的异构网络互联多层QoS管理体系,通过在无线网络中设置无线域策略决策点和无线域策略执行点来支持新的独立的策略域,并着重对策略域层次间的协商交互过程进行了描述。     

一种基于QoS参数映射的网格资源筛选方法

服务质量(QoS)和资源管理是服务网格中的两个研究焦点.研究如何建立一种基于应用QoS需求的网格资源筛选方法,在扩充已有调度模型的基础上利用模糊神经网络实现了不同层次QoS参数之间的映射,利用映射结果提出一种资源筛选算法.该方法能实现区分确保型服务(DG服务),能为网格应用寻找一个能满足需求的匹配.与所有提供区分确保型服务的网格系统一样,文中模型能显著提高网格系统的两个主要评价指标:资源利用率和服务拒绝率,同时只有较低的系统消耗.     

基于MPEG-4视频流的QoS映射研究

基于XVID和实时传输协议(RTP)提出了一种MPEG-4视频流的服务质量(QoS)映射管理方法。分析了MPEG-4视频流特点、编解码软件和QoS分层管理方法,提出了基于RTP协议的QoS管理逻辑结构、不同层次上的QoS参数,即应用层和系统层QoS参数,以及应用层到系统层QoS参数的映射算法。在模拟网络环境下的实验结果表明这种QoS参数的映射算法能够保证MPEG-4视频流的服务质量。     

一种基于约束优化的虚拟网络映射方法

虚拟网络映射问题将不同的虚拟网络应用映射到相同的基础设施网络中,这是一个极具挑战性的问题.针对该问题,提出了一种基于约束优化的虚拟网络映射方法,将映射问题分解为节点映射和链路映射两个阶段,其中,前者是将虚拟节点映射到物理节点上,后者将虚拟链路映射到物理路径上,它们都是NP难问题.针对节点映射和链路映射分别提出了node-mapping算法和link-mapping算法.node-mapping算法基于贪婪算法的思想,映射时考虑了物理节点所能提供的资源数量以及物理节点间距离两个因素,该算法能够保证基础设施网络中各节点间的负载相对均衡;同时,通过采用访问控制机制,过滤一些异常的虚拟网络请求,能够有效地提高资源的使用效率.link-mapping算法基于人工智能领域中的分布式约束优化思想,其能够保证得到的解是全局最优的,即映射链路的代价最小.最后,通过模拟实验对该方法进行验证,实验结果表明该方法在求解虚拟网络映射问题时的性能良好.     

一种简单的基于IP网络的视频会议QoS解决方案

在分析IP视频会议流特性的基础上,本着视频会议在IP网络中广泛应用的特点,在不改变当前网络现状的情况下,提出了一种更为简单易实现的QoS解决方案.该方案利用Linux系统中的带宽管理系统(TC),根据业务的重要程度,采用THB排队规则和u32/fw分类器对网络出口流量进行控制,监视网络性能,实现复杂的流量控制,使得关键的网络数据或应用能得到优先保证,进一步提高了网络服务质量,对视频会议在当前IP环境下的QoS保障具有一定的借鉴意义.     

无线传感器网络的QoS体系结构

不同于传统互联网,作为涵盖了数据感知、处理和传输的复杂任务型网络,无线传感器网络面向应用的特点给服务质量(QoS)研究带来了许多新的挑战,需要针对QoS体系结构以及QoS指标间复杂关系的系统工作.文中首先提出了无线传感器网络中QoS指标的分层模型以及相应的规范化描述,然后分析了QoS指标的映射关系,最后提出了一个层次化的QpS体系结构,希望为无线传感器网络中QoS保障技术的系统性研究提供参考.     

无线链路保障QoS垂直映射技术

无线网络通信中为提供QoS保障,提高链路可靠性和有效性是十分关键的。通信协议中与链路相关的协议层包括物理层和数据链路层。物理层技术以提高物理层性能为目标,数据链路层技术以提高数据链路层性能为目标并受物理层技术制约。为保障可靠通信链路,提出一种无线网络中物理层和数据链路层QoS指标垂直映射结构,并通过等效容量方法实现低信噪比状态下瑞利平坦衰减信道QoS垂直映射;仿真结果验证了所提出模型的有效性。     

一种基于GAN的异构信息网络表示学习方法

异构信息网络中包含丰富的结构和语义信息,通过网络表示学习保留异构信息网络的结构和语义信息是当前研究的热点。传统的异构信息网络表示学习方法局限于利用元路径的形式保留异构信息网络中的语义信息,缺乏考虑网络中所有节点的分布情况,保留的信息不够充分。因此,本文提出一种基于生成式对抗网络（Generative Adversarial Networks, GAN）的异构信息网络表示学习方法（HINGAN）,其能更好地保留网络中的结构信息和语义信息。HINGAN中通过生成模型和判别模型的对抗学习,提高表示学习的鲁棒性。基于2个真实数据集的实验结果表明,本文提出的模型与传统的异构信息网络方法相比,在节点分类和链接预测任务中的结果都有明显提升。     

基于多目标最优化方法的垂直切换判决

当多个移动节点在蜂窝网与无线局域网共存的异构无线网络环境中移动时,综合考虑移动节点的电池寿命、基站与接入点的负载以及移动节点花费3个因素,运用多目标最优化方法进行切换判决,为所有移动节点选择合适的目标网络,使整个网络资源得到合理利用。仿真结果表明,相比传统最强信号优先方法,该方法在剩余电池寿命总和与负载平衡方面具有较好的性能,在花费总和方面性能较差。     

一种基于多尺度特征和改进采样策略的异构网络对齐方法

网络对齐是集成不同平台数据的重要途径。利用网络表示学习得到节点表征并建立节点匹配策略是当前异构网络对齐的主流技术之一。在这类研究中,网络表示模型和计算复杂性为两大关键问题。本文提出一种基于多尺度特征建模和优化采样策略的无监督网络对齐方法。首先,提出一种不同尺度的节点特征表示,提取节点特征;然后利用网络嵌入模型获得网络的初表征,在此基础上设计了一种基于节点重要性的采样策略选择地标节点,改进随机抽样策略;建立了基于地标节点的网络节点相似关系矩阵,引入低秩矩阵近似方法进行矩阵分解,得到节点表示;最后,根据节点表示的相似性对网络进行对齐。在3个数据集上的实验结果表明,本模型优于其他基线模型。     

基于异构特征融合的论文引用预测方法

针对论文引用预测方法在特征稀疏时性能下降的问题,提出了基于异构特征融合的方法,可同时利用定长特征、引文网络特征和引文时序特征,有效提升了引用预测方法的精度。本文针对论文引用预测任务定义了引文属性网络,对3类异构特征进行建模;提出了面向异构特征融合的论文引用预测方法,使用图神经网络处理定长特征和引文网络特征,使用循环神经网络处理引文时序特征,基于多头注意力机制对提取到的异构特征进行融合并预测被引次数。在大规模真实数据集上的实验表明,本文方法可以有效利用多种异构特征并缓解数据稀疏问题,均方根误差（Root mean squatr error,RMSE）比最好的基准方法降低了0.31。     

基于图卷积的异质网络节点分类方法

图神经网络能够有效学习网络语义信息,在节点分类任务上取得了良好的效果.但仍面临挑战：如何充分利用异质网络丰富语义信息和全面结构信息使节点分类更精准.针对上述问题,提出了一种基于图卷积的异质网络节点分类框架(heterogeneous network node classification framework, HNNCF),包括异质网络约简和图卷积节点分类,解决异质网络节点分类问题.通过设计转换规则约简异质网络,将异质网络化简为语义化同质网络,利用节点间的关系表示保留异质网络多语义信息,降低网络结构建模复杂度;基于消息传递框架设计图卷积节点分类方法,在语义化同质网络上学习无1-sum约束的邻居权重等网络结构信息,深入挖掘关系语义特征,发现不同连接关系和邻居语义提取的差异性,生成节点的异质语义表示用于节点分类,识别节点类别标签.在3个公开的节点分类数据集上进行了实验,结果表明HNNCF能够充分利用异质网络多种语义信息,有效学习邻居节点权重等网络结构信息,提升节点分类效果.     

面向HIN基于多视角嵌入融合的推荐方法

由于异构信息网络具有丰富的语义信息而在推荐任务中得到广泛应用.传统的面向异构信息网络的推荐方法忽略了网络中关联关系的异质性,以及不同关联类型之间的相互影响.本文提出了一种基于多视角嵌入融合的推荐模型,分别从同质关联视角和异质关联视角来挖掘异构信息网络的深层潜在特征并加以融合,有效地保证了推荐结果的准确性.针对同质关联视角,提出了一种基于图卷积神经网络的嵌入融合方法,通过对同质关联作用下节点邻域信息的轻量式卷积,实现节点嵌入的局部融合.针对异质关联视角,提出了一种基于注意力的嵌入融合方法,利用注意力机制来区分不同关联类型对节点嵌入的影响,实现节点嵌入的全局融合.通过实验验证了本文所提出的关键技术的可行性和有效性.     

一种基于执行体异构度的拟态裁决优化方法

网络空间拟态防御技术通过构建动态异构冗余的系统架构来提高系统的安全性能,而裁决器的表决机制是防御链中的关键步骤,直接影响拟态系统的安全性和效率。针对拟态表决环节的任务特性,对一致表决算法进行改进,设计基于执行体异构度的拟态裁决优化方法。结合拟态防御系统的异构特性,在选择执行体表决输出时引入执行体间的异构度作为决策因素,同时综合考虑执行体数目和历史记录信息,使表决算法更适用于拟态架构面临的威胁场景。实验结果表明,与一致表决算法相比,该算法能够显著提高拟态系统的安全性能,有效规避共模逃逸的风险。     

基于异构图卷积网络的小样本短文本分类方法

针对小样本短文本分类过程中出现的语义稀疏与过拟合问题,在异构图卷积网络中利用双重注意力机制学习不同相邻节点的重要性和不同节点类型对当前节点的重要性,构建小样本短文本分类模型HGCN-RN。利用BTM主题模型在短文本数据集中提取主题信息,构造一个集成实体和主题信息的短文本异构信息网络,用于解决短文本语义稀疏问题。在此基础上,构造基于随机去邻法和双重注意力机制的异构图卷积网络,提取短文本异构信息网络中的语义信息,同时利用随机去邻法进行数据增强,用于缓解过拟合问题。在3个短文本数据集上的实验结果表明,与LSTM、Text GCN、HGAT等基准模型相比,该模型在每个类别只有10个标记样本的情况下仍能达到最优性能。     

异构网络高速公路的事故感知与报警方法

设计了一种基于异构网络的高速公路事故报警系统.基于该系统,提出了一种高速公路事故感知方法,并设计了异构硬件网络、交互通信协议和事故感知策略.通过设定不同的事故场景,用实验对事故感知方法进行了验证.结果表明,设计的交通事故感知方法实现了对按键报警信息、节点故障信息和总线异常信息的正确判断.     

基于聚类和决策树的链路预测方法

链路预测是数据挖掘研究的主要问题之一.由于网络的复杂性、数据的多样性,根据网络结构及已有信息对异质网络中的不同类型的数据进行链路预测的问题也变得更加复杂.针对双类型异质信息网络,提出了一种基于聚类和决策树的链路预测方法CDTLinks.通过将网络中2种类型对象互为特征的方法得到对象的特征表示,并分别进行聚类.对于双类型异质网络提出了3种启发式规则来构建决策树,根据信息增益来选择树中不同分支.最后,根据聚簇分布结果以及决策树模型来判断任意2个不同类型节点之间是否存在链接.另外,定义了潜在链接节点并引入层数的概念,在降低算法运行时间的同时提高了准确率.在DBLP和AMiner数据集上验证了提出的CDTlinks方法,结果表明:在双类型异质网络中,CDTlinks模型能够有效地进行链路预测.