自净化机制对网络水军的效用研究

网络水军是新媒体发展的产物,以网络空间中信息的自由传播为基础,同时也不可避免地为谣言的滋生和传播带来了便利。自净化机制是网络自带的运行机制,在媒体信息充分流动、网络用户高度互动、网民素养进一步提升的大背景下可以发挥一定效用,切断网络谣言的传播途径、缩短伪信息的生命周期。然而,在树立"意见领袖"、纠正网民主观"表达偏差"方面,自净化机制所起的效用有限,不可避免地表现出了"乏力"的态势。     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

一种基于效益的多机器人避碰协调策略

多移动机器人系统在完成同时定位和地图构建SLAM任务时,机器人之间常常存在相互碰撞的问题,而这种碰撞的避免又不同于一般的避障,因为避障问题中的障碍物一般是不动的。为了解决机器人之间的避碰问题,提出了一种基于效益的多机器人避碰协调策略。该策略以提高多机器人系统探索效率为主,确定机器人通过交叉路口的顺序。同时考虑了动态协调避碰的情况,给出了确定机器人通过交叉路口顺序的算法。通过机器人在交叉路口实现避碰协调算法的仿真示例,对该方法的避碰协调过程进行了说明,并对仿真结果进行了分析,同时对仿真中机器人和目标位置的空间关系给出了合理的假设。     

对模拟纵向数据集缺失值处理的几种方法比较

运用SAS9．0、数据模拟技术,分别模拟纵向完整数据集和具有各种缺失率的随机缺失数据集,采用多重填补法（MI）、期望值最大化法（EM）和回归插补法（Regression）对各缺失数据集进行处理,对结果进行比较和分析。结果表明,对不同缺失率的数据集,MI、EM和Regression法对缺失值的处理各有优劣。     

空间金字塔分解的深度可视化方法

针对基于深度卷积神经网络的图像分类模型的可解释性问题,通过评估模型特征空间的潜在可表示性,提出一种用于改善理解模型特征空间的可视化方法.给定任何已训练的深度卷积网络模型,所提出的方法在依据原输入图像使得模型类别得分激活最大化时,首先对反向传播的梯度进行归一化操作,然后采用带动量的随机梯度上升训练策略,反向回传修改原输入图像.引入了通过激活最大化获得的图像可解释性的正则化方法,常规正则化技术不能主动调整模型特征空间的潜在可表示性,结合现有正则化方法提出空间金字塔分解方法,利用构建多层拉普拉斯金字塔主动提升目标图像特征空间的低频分量,结合多层高斯金字塔调整其特征空间的高频分量得到较优可视化效果.通过限制可视化区域,提出利用类别显著性激活图技术加以压制上下文无关信息,可进一步改善可视化效果.对模型学习到的不同类别和卷积层中单独的神经元进行合成可视化实验,实验结果表明提出的方法在不同的深度模型和不同的可视化任务中均能取得较优的可视化效果.     

无线传感器网络寿命与效用的跨层优化

针对无线传感器网络,提出了一种基于无线传感器网络寿命与效用的跨层优化算法。为了提高无线传感器网络的使用寿命和效用,综合介质访问控制和传输层流量控制,建立以基于网络效用与网络寿命为目标、以链路传输容量与无线传感器网络目标寿命为约束条件的双目标优化模型,利用拉格朗日垂直分解法将双目标优化模型逐层分解为两个单一层的优化问题,推导出链路传输概率和拉格朗日乘子的迭代公式,并得到优化方案。仿真结果表明,该跨层优化算法在保障网络寿命与满足链路容量前提下,提高了无线传感器网络的使用寿命和效用。     

基于期望最大化算法和求容积卡尔曼平滑器的气动参数辨识算法

针对初值和噪声统计特性未知情形下的飞行器系统辨识的问题,提出了基于期望最大化(expectation maximization,EM)和求容积卡尔曼平滑器(cubature Kalman smoother,CKS)的辨识算法。该算法用期望最大化算法对初值和噪声的统计特性进行估计;用求容积卡尔曼平滑器估计状态向量和未知参数。在期望最大化算法的求期望步骤中,所求的期望值通过求容积规则获得,用较少的采样点保证了估计精度;在期望最大化算法的最大化步骤中,未知量的最优值以解析解形式给出,减小了计算量。仿真结果说明,该算法在飞行器气动参数辨识问题中,能给出较好的辨识结果。与其他方法的对比验证说明新算法具有辨识精度高、收敛速度快等优点。     

移动云计算中一种虚拟机定价与分配方案

针对移动云计算中的虚拟机(virtual machine, VM)管理问题,提出了一种VM定价与分配方案(VM pricing and allocation, VMPA)。该方案考虑了业务量引起网络拥塞对用户效用的影响,根据Stackelberg博弈模型对VM的定价和分配进行了分析,证明了纳什均衡点的存在性和唯一性,给出了最优的静态VM价格及分配,并利用粒子群算法搜索最优的动态VM价格及分配。仿真结果表明,该方案能快速获得最优的VM价格及分配,可有效地控制小区中的业务量,减少网络拥塞,能同时优化云提供商和用户的效用。     

基于友好度的影响力最大化算法

提出一种基于友好度的影响力最大化算法。利用社交网络中用户行为信息计算友好度并构建友好关系网络,通过友好度调整节点的扩散概率,同时启发式地选取友好度积累值较高的节点作为启发节点以此提升算法的实现效率,最后采用CELF++算法计算影响力最大的节点集。实验结果表明,该算法与CELF++算法、TIM算法和DegreeDiscount算法相比,在获得较好的扩散效果的同时亦将执行时间有效的控制在一定范围内。     

基于非零和随机博弈的APT攻击主动防御策略选取

为解决APT（高级持续性威胁）攻防对抗过程中的防御滞后性问题,并在有限资源下做出最优主动防御决策,针对APT攻击过程中攻防双方意图、可行策略集随攻击阶段推进而演变的特点进行了研究,基于非合作博弈理论构建了多阶段APT攻防随机博弈模型AO-ADSG（APT-oriented attack-defense stochastic game）。针对APT攻防对抗中双方效用不对等的现象引入非零和思想,设计符合APT攻击特征的全资产要素效用量化方法;在分析博弈均衡的基础上给出最优防御策略选取算法。最后,通过“夜龙攻击”模拟实验验证了提出方法的可行性及正确性。