基于Storm与Kafka集群的火电厂分布式流式数据建模与分析系统

大数据时代环境下,火电厂超大规模的数据量以及较高的数据处理时效性要求都对我们能否有效地利用数据进行分析提出了挑战,传统的数据分析方式在性能、时效、精度等方面已不能满足电厂运行人员对设备运行状态精确判断的要求.为此提出一种基于Storm与Kafka集群的数据建模与分析系统,利用Kafka高吞吐量的消息驱动能力和Storm...     

可证明安全的异构无线网络认证方案分析

网络的异构性和业务种类的多样性对无缝融合的网络架构设计提出更高的要求。在技术方面,为支持全球漫游,下一代移动通信网络必须能够完全兼容无线设备的各种基本结构,并且保持高度的灵活性。因此,无线网络的安全问题又成为信息服务的重要课题,能够以安全为基础的网络认证正是满足这一需要的机制。     

Clustering-based topical Web crawling using CFu-tree guided by link-context

Topical Web crawling is an established technique for domain-specific information retrieval. However, almost all the conventional topical Web crawlers focus on building crawlers using different classifiers, which needs a lot of labeled training data that is very difficult to label manually. This paper presents a novel approach called clustering-based topical Web crawling which is utilized to retrieve information on a specific domain based on link-context and does not require any labeled training data. In order to collect domain-specific content units, a novel hierarchical clustering method called bottom-up approach is used to illustrate the process of clustering where a new data structure, a linked list in combination with CFu-tree, is implemented to store cluster label, feature vector and content unit. During clustering, four metrics are presented. First, comparison variation （CV） is defined to judge whether the closest pair of clusters can be merged. Second, cluster impurity （CIP） evaluates the cluster error. Then, the precision and recall of clustering are also presented to evaluate the accuracy and comprehensive degree of the whole clustering process. Link-context extraction technique is used to expand the feature vector of anchor text which improves the clustering accuracy greatly. Experimental results show that the performance of our proposed method overcomes conventional focused Web crawlers both in Harvest rate and Target recall.     

WCCS环境下连续r位串匹配算法及其并行化研究

通过将免疫系统中连续r位匹配规则引入到串匹配算法中,在传统KMP串匹配算法的基础上提出了r-KMP算法,该算法使用匹配闽值r来控制文本串与模式串的匹配程度.然后在WCCS(Windows compute cluster server)平台下部署了并行化的r-KMP算法,通过实验分析了算法的性能和时间复杂度.实验结果表明,该算法能有效的控制串匹配程度,它的并行化减少了执行时的运算时间,提高了串匹配效率.     

异构软件体系结构的可靠性模型

现有基于软件体系结构的可靠性模型只适用于符合马尔可夫过程的软件构件转移关系,而当构件间存在由确定性和随机性转移关系组成的异构结构时,仍按照马尔可夫过程对软件体系结构建模,会导致可靠性评估结果不准确。为了解决现有模型不适用于异构结构的问题,在分析构件转移关系基础上,提出了一个新的软件可靠性模型。基于软件UML顺序图,提出将异构软件结构转换为马尔可夫链的算法。通过对一个实例的可靠性评估,验证了新模型能够比现有模型获得更准确的评估结果。     

融合双分支动态偏好的会话推荐

针对基于会话的推荐算法仅对用户单一偏好进行静态建模而无法捕捉用户受环境影响偏好产生的波动, 从而降低推荐准确性的问题. 提出融合双分支动态偏好的会话推荐方法: 首先, 通过异构超图来建模不同类型信息, 设计双分支聚合机制获取以及整合异构超图中信息并且学习多类型节点之间的关系, 再用价格嵌入增强器来加强类别和价格之间关系; 其次, 设计双层偏好编码器, 其中采用多尺度时序Transformer提取用户动态价格偏好, 利用软注意机制和反向位置编码学习用户动态兴趣偏好; 最后, 用门控机制融合用户多类型动态偏好, 向用户进行推荐. 通过在Cosmetics和Diginetica-buy两个数据集上进行实验, 结果证明与其他对比算法相比在Precision和MRR评价指标中有显著的提升.     

基于异构融合特征的深度强化学习自动驾驶决策方法

在自动驾驶决策方法中,传统模块化方法受限制于数据集的广泛性,基于强化学习的方法难以在高输入维度且动作空间连续的情况下有效学习。为了解决上述问题,提出了一种基于异构融合特征的深度强化学习自动驾驶决策方法,首先使用适量驾驶数据预训练图像降维网络,然后将降维后得到的图像特征和车辆状态特征进行异构融合作为强化学习的输入,采用深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）强化学习框架,通过为自动驾驶量身定制的综合了速度、方向盘角度、车辆位置、碰撞等信息的奖励函数有效引导学习,结合经验池回放技术和目标网络技术提高训练收敛速度。所提方法有效缩短了训练时间,并可在复杂城市环境下保持较高的稳定性与鲁棒性。     

集合城市理念下粤港澳大湾区高铁枢纽集群布局特征

高铁1.0时期是“四纵四横”建设时期,以连接城市群的干线建设为主;随着高铁2.0时期到来,过渡到“八纵八横”建设时期,高铁建设逐渐向都市圈网络完善纵深推进。本文立足粤港澳大湾区,分析粤港澳大湾区城镇发展与交通发展历程,研究“集合城市”“集群枢纽”产生的历史背景。剖析粤港澳大湾区与京津冀、长三角等城市群在空间尺度、产业特征、出行特征上的差异性,总结未来粤港澳大湾区落实“轨道上的大湾区”建设模式上的独特性,厘清粤港澳大湾区如何在集合单元实现高铁枢纽群共享、大区域范围内中心体系如何打破行政边界限制实现“直连直通”,总结面向世界级城市群枢纽与城镇空间互动发展的建设经验。     

抓住战略机遇、推动新一代集群产业发展——中兴GoTa数字集群产品发展综述

近几年来,全球集群技术和业务逐渐冲破传统专网的狭小空间,在新型集群运营和应用模式下,为更多社会、集团、企业用户提供更加便宜、方便、专业的集群业务应用,出现了一批成功的共网集群运营商,引导该技术向更高层次的应用发展。     

非凸环境下基于约束控制的机器人集群算法

针对传统质心维诺算法在非凸环境中划分的局限性,文中提出了一种在非凸多边形环境中机器人集群的控制方法,结合模型预测控制对机器人运动轨迹加以约束。该控制方法以障碍物边界及维诺细胞边界作为约束条件引导质心生成的位置,对每个机器人自身模型进行运动学约束,控制机器人集群运动至非凸环境中的目标位置。仿真及实验结果表明：文中算法可对非凸环境进行有效划分,保障集群机器人与环境之间的安全;能够对机器人的运动轨迹做出优化,保证代价函数最优的同时使得跟踪误差最小化,约束机器人的速度的同时进一步保障机器人的运动安全,验证了文中算法的有效性。