分布式图处理系统技术综述

图作为一种基本的数据类型,是对现实世界中对象及其关联关系的一种抽象.现实中许多的科学问题都可以被模型化为图的问题,因此对图数据进行分析非常的重要.图数据分析在语义web分析、社交网络、生物基因分析以及信息检索等领域有着广泛的应用.随着移动互联、物联网等信息技术的发展,图数据的规模处于持续增长的状态.为了能够应对大规模图数据的高效分析和计算,谷歌提出了Pregel分布式图处理框架,此后学术界和工业界提出了许多基于Pregel框架的优化技术和系统实现.在充分调研和分析的基础上,本文首先总结出分布式图处理系统的3个优化目标;其次,论文从计算粒度、任务调度、通信方式、负载划分等四个维度,对现有分布式图处理系统中的各类优化技术作一个详细的综述;最后,论文对该领域未来的研究内容和发展方向进行了探讨与展望.     

基于标签传播的社区挖掘算法研究综述

社会网络由于其流行程度已经成为众多学者的研究热点。通过社区挖掘算法可以发现存在于社会网络中的潜在社区,而重叠社区挖掘则可以挖掘出更具有现实意义的社区结构。但是在研究中社会网络所包含的庞大数据量又会为之带来种种不便,因此快速的社区挖掘算法就受到了越来越多的重视。基于标签传播的社区挖掘算法具有近乎线性的时间复杂度。文中将从多方面研究目前基于标签传播的社区挖掘算法的优劣,并且详细分析基于标签传播算法在以后研究中的改进思路。     

IP网络管理系统功能需求分析和描述

通过对现有IP网管系统的分析，给出了新建和完善IP网管系统的需求，并对一些共键网管功能在实际维护工作中的作用及重要性进行的评价。     

Auto-learning TSN：时间敏感网络（TSN）的可用性优化

许多网络应用（如工业控制）都要求网络提供确定性的传输服务,传统的统计复用网络无法满足这一类应用需求。IEEE 802.1时间敏感网络（TSN）相关标准和研究能够在以太网上提供确定性的网络服务。简述TSN的基本原理,利用网络演算对TSN中的关键排队机制进行了定量分析,并提出自学习TSN机制,通过网络智能化自适应支持非TSN端侧设备组网,结合时延保证算法形成端到端TSN方案,为TSN技术的进一步推广和应用打下了基础。     

基于属性和关系的OLAP算法研究

随着社会网络的兴起,尤其是OLAP概念的提出,人们提出了很多对OLAP研究的算法,其中对图聚类算法的研究也引起了人们的广泛关注。但是这类算法大多数只是关注节点的属性或者节点之间的关系,而很少同时考虑到节点的属性和它们之间的关系。文中从这两个方面考虑的同时,在划分节点的时候更考虑到了要划分的节点在整个组中的紧密性,把网络中的模块化运用到节点的划分中,使得划分的结果更具有现实意义,而且很好地把Q函数的理论应用到社区的划分过程中,更加注重了单个节点对整个社区划分的影响,使得划分之后的各个子社区内部关系更加紧密。