基于NSGA-II 的具有多目标子学科的协同优化方法

针对子学科具有物理目标的多目标协同优化问题, 研究基于NSGA-II 的求解策略. 鉴于子学科个体满足约束可行性的进化过程与系统级分配期望值无关, 提出具有良好的可行性和多样性的初始种群生成方法, 以提高多目标子学科的计算效率和计算精度. 为了解决由一致性目标函数与物理目标函数的作用不同而造成的NSGA-II 非支配级排序困难, 提出将子学科一致性目标函数转化为子学科自身约束的策略. 最后, 利用工程算例对所提出方法的有效性进行了验证.

     

基于6LoWPAN的边缘路由器设计研究

提出了一种智能6LoWPAN传感网络边缘路由器设计实现方法。该方法基于嵌入式操作系统Linux系统平台和单CPU的方案实现,通过在系统Linux上移植6LoWPAN协议簇,使射频接口LAN承载6LoWPAN网络,本地6LoWPAN传感网络通过边缘路由器接入互联网。6LoWPAN传感网络边缘路由器采用多协议融合的方式实现IPv4/IPv6双栈协议、NAT64协议、6to4隧道协议的统一,实现6LoWPAN网络节点通过6LoWPAN边缘路由器与互联网在不同网络环境下的自适应接入。     

云计算支持下的协作式数字取证技术

为解决网络环境下电子证据分散、取证分析效率低、协作难度大等问题,在分析计算机犯罪特点以及当前数字取证所面临的相关问题基础上,针对数字取证与分析的协同需求,设计了一种具有正循环反馈机制的云计算支持下的协作式数字取证模型,并详细论述了其设计思想和体系架构.最后,研究了模型的系统实现方法、电子证据云存储调度策略、基于封锁机制的并发分析任务调度.实验表明,协作式数字取证技术可有效提高数字取证工作效率和分析结果的准确性.     

项目子相似度融合的协同过滤推荐算法

针对用户评分数据稀疏性和项目最近邻寻找的不准确性问题,提出了一种项目子相似度融合的协同过滤推荐算法.该算法根据目标用户每一属性取值,选取与该属性值一致的用户作为用户子空间,并在此空间上计算目标项目与其他项目之间的相似度(称其为项目子相似度).在此基础上,以项目子相似度为依据选取目标项目的K最近邻,计算其预测评分;最后对用户不同属性上的预测评分进行加权求和,得到目标项目的最终评分.实验结果表明,该算法能准确地选取目标项目的最近邻,明显改善了推荐质量.     

协同过滤技术的改进研究

协同过滤算法应用于个性化推荐系统中取得了巨大成功,它是通过用户项目评分数据,以用户之间或者项目之间相互协作的方式来产生推荐。然而,邻居用户的相似度计算不精确一直是阻碍推荐系统推荐精度进一步提高的主要因素。从提高用户间相似度计算精度出发,提出了一种改进算法,该算法通过考虑不同特征、加强平均值影响、惩罚热门项目的比重,对用户的相似度计算方法进行改进,以期生成更加合理的邻居用户集,最后,根据评分预测公式进行预测,最终产生推荐。在MovieLens数据集上的实验表明,改进算法计算用户间的相似度更加精确,推荐算法的预测精确度有了显著提高。     

基于博弈理论的农田能量异构网络节点协同资源利用

针对无线传感器网络中耗能不均问题,以及可再生能源节点在农田无线传感器网络中应用的具体情况,将博弈理论引入无线传感器网络能耗问题研究中,建立了基于博弈理论的节点成簇方法,实现提高可再生能源利用率、均衡非可再生能源节点能耗的目标。方法首先建立簇收益与簇内节点收益评估模型,进行簇收益计算、簇内的两类能量异构节点个体收益的计算。在计算簇收益和节点收益的基础上进行节点成簇博弈,使得成簇方案向收益更高的策略空间进行跳转,最终达到博弈中的均衡状态。仿真实验表明,通过博弈进行无线传感器网络成簇,能够充分利用可再生能源节点能量,降低和均衡非可再生能源节点能耗,最终达到延长网络寿命的目标。     

一种新的融合情景的美食推荐算法

针对传统协同过滤推荐算法不适用于情景因素,严重影响用户行为的这类场景,提出一种融合情景的推荐算法,并将该算法应用于美食推荐。首先,运用由情景属性构造向量表示情景,将情景信息作为一个重要因素添加到兴趣模型中,从而产生U-I-C兴趣模型。根据用户在不同情景下使用方式的不同,重新创建当前用户与各情景相对应的子用户,得到以情景作为标识的用户-项目评分矩阵。针对融合情景的兴趣模型易产生数据稀疏问题,设计利用改进的W-SlopeOne算法对未知评分进行填充;并通过对相似度公式进行优化,进而更加准确地找到当前用户的近邻,为用户提供更加有效的推荐服务。最后,通过实验验证该算法的有效性。     

基于欧氏空间相似度的云模型协同过滤算法

传统的基于余弦相似度度量的云模型协同过滤推荐算法未考虑特征向量的长度和维度,忽略了三个重要数字特征云期望、熵和超熵的关系,如各数字特征具有不同的性质和权重,导致特征丢失、区分度过小的问题。针对这些问题,提出了一种采用标准化的多维欧几里德相似度计算方法,通过将三个数字特征映射为三维空间的点,计算经指数函数标准化的欧几里德相似度,生成更合理的用户k近邻集,最终产生推荐。实验结果表明,该相似度计算方法能够为云特征向量提供更显著的区分度,并在一定程度上提高了推荐质量。     

一种基于项目属性评分的协同过滤推荐算法

协同过滤是电子商务推荐系统中应用最成功的推荐技术之一,但面临着严峻的用户评分数据稀疏性和推荐精度低等问题。针对数据稀疏性高和单一评分导致的推荐精度低等问题,提出一种基于项目属性评分的协同过滤推荐算法。首先通过均值法或缩放法构造用户-项目属性评分矩阵将单一评分转化为多评分;其次基于每个属性评分矩阵,计算用户间的偏好相似度,得到目标用户的偏好最近邻居集;然后针对每个最近邻居集,在用户-项目评分矩阵上完成对目标用户的初步评分预测;最后,将多个初步预测评分加权求和作为综合评分,完成推荐。在Movie Lens扩展数据集上的实验结果表明,该算法能有效提高推荐精度。     

Optimistic Byzantine fault tolerance

The primary concern of traditional Byzantine fault tolerance is to ensure strong replica consistency by executing incoming requests sequentially according to a total order. Speculative execution at both clients and server replicas has been proposed as a way of reducing the end-to-end latency. In this article, we introduce optimistic Byzantine fault tolerance. Optimistic Byzantine fault tolerance aims to achieve higher throughput and lower end-to-end latency by using a weaker replica consistency model. Instead of ensuring strong safety as in traditional Byzantine fault tolerance, nonfaulty replicas are brought to a consistent state periodically and on-demand in optimistic Byzantine fault tolerance. Not all applications are suitable for optimistic Byzantine fault tolerance. We identify three types of applications, namely, realtime collaborative editing, event stream processing, and services constructed with conflict-free replicated data types, as good candidates for applying optimistic Byzantine fault tolerance. Furthermore, we provide a design guideline on how to achieve eventual consistency and how to recover from conflicts at different replicas. In optimistic Byzantine fault tolerance, a replica executes a request immediately without first establishing a total order of the message, and Byzantine agreement is used only to establish a common state synchronization point and the set of individual states needed to resolve conflicts. The recovery mechanism ensures both replica consistency and the validity of the system by identifying and removing the operations introduced by faulty clients and server replicas.