SRaft:基于Schnorrkel签名和信用值机制的Raft共识算法

因选举冲突而引发的选举效率问题及主节点的隐私安全问题已经成为Raft共识算法的研究热点。针对这两个问题,该文提出了一种结合Schnorrkel签名和信用值机制的Raft共识算法——SRaft。首先,在选举阶段,集群中的所有节点会根据当前自身信用值,在不同的范围内进行随机选举超时,这样能够保证高效节点更快完成超时,成为主节点。其次,通过在日志复制阶段引入Schnorrkel签名,主节点与部分高信用值从节点共同对客户端消息生成一个聚合签名,隐匿主节点信息,参与生成聚合签名的从节点可以对消息中的客户端数字签名进行验证,确保消息未经主节点篡改,避免拜占庭主节点更改日志。最后,通过本地多节点仿真实验表明：SRaft算法能有效降低选举冲突发生的概率,提高选举效率;通过理论分析验证了SRaft算法可以隐匿主节点信息,提升了算法的可靠性和集群的稳定性。     

组织文化、领导力与知识管理的复杂关系研究

应用复杂领导力理论对领导力、组织文化与项目型组织的知识管理互动关系进行了研究。基于NK模型建立了三者关系的模拟模型,模拟结果表明,领导力可有效应对团队成员间关系复杂度的增加从而减少其对项目型组织知识管理绩效的负面影响;由于只有当组织具备一定领导力水平时,组织文化才能发挥对领导力的补充作用,因此项目型组织应该慎重选择组织文化建设的恰当时机,以便发挥领导力与文化的互补作用及对企业知识管理的促进作用,上述结论补充了已有的研究结果并给出了其限制条件。     

基于PHP的开发环境搭建与网站设计实现

以PHP和MYSQL为基础,结合一个职场咨询网站———卓企网,对网站开发所涉及的开发环境、需求分析、功能模块、数据库操作与安全等进行分析与讨论,为如何建立一个适合本公司规模的网站提供参考。     

基于特征选择模型的钓鱼网站快速识别方法

目前在识别钓鱼网站的研究中,对识别速度有着越来越高的需求,因此提出了一种基于混合特征选择模型的钓鱼网站快速识别方法。混合特征选择模型包含初次特征选择、二次特征选择和分类三个主要部分,使用信息增益、卡方检验相结合以及基于随机森林的递归特征消除算法建立了混合特征选择模型,并在模型中使用分布函数与梯度,获取最佳截断阈值,得到最优数据集,从而提高钓鱼网站识别的效率。实验数据表明,使用该混合特征选择模型进行特征筛选后的数据集,维度降低了79.2%,在分类精确度几乎不损失的情况下,降低了32%的分类时间复杂度,有效地提高了分类效率。另外,使用UCI机器学习库中的大型钓鱼数据集对该模型进行评价,分类精确率虽然损失1.7%,但数据集维度降低了70%,分类时间复杂度降低了41.1%。     

基于XGMML—LOGML的Web日志挖掘

介绍了XGMML和LOGML语言,在此基础上讨论了Web日志文件的预处理过程和一个基于XGMML—LOGML的Web日志挖掘体系结构,实例表明：与原始日志文件挖掘相比,基于XGMML—LOGML处理的Web日志文件挖掘所需要的时问更少,挖掘的内容质量更高,能更好地满足用户的需求．     

基于BERT-BILSTM的医疗文本关系提取方法

健康医疗文本关系提取可充分利用医疗资源,为构建医院系统和相关知识图谱奠定基础,但健康医疗文本上下文联系紧密,内容结构复杂,使用传统的机器学习方法无法充分学习并利用文本中所包含的信息,且由于未针对文本中包含的医疗领域专业名词进行处理,使研究所需的重要实体流失,导致准确率不高.因此,提出了一种基于BERT和BILSTM融合...     

基于网络用户信息行为的个性化推荐模型

探讨了网络用户信息行为的基本概念和个性化推荐的相关技术。以此为基础,创建了基于网络用户信息行为的个性化推荐模型。对比实验结果表明,此模型在准确率、稳定性、推荐效率方面有一定的优势。     

基于多相似度融合的药物重定位推荐算法

药物重定位算法可以为发现药物的新用途提供理论上的支持。针对传统药物重定位推荐算法的不足,提出一种基于多相似度融合的药物重定位推荐算法(MSF)。首先通过药物-疾病数据源计算出疾病相似度,再通过药物-化学结构、药物-靶蛋白以及药物-副作用数据源计算出三种相似度并融合为药物相似度,最后利用两种相似度计算药物与疾病对应关系的预测值,并通过预测值融合方法融合为最终预测值。实验结果表明,与SLAMS算法和DRCFFS算法相比,MSF算法在精确率和召回率上有较大的提高;与针对单个数据源的药物重定位算法相比,通过融合多种数据源,预测值的可靠性和精确性都有进一步的提升。案例分析显示,MSF算法可以有效地预测出有治疗效果的药物-疾病组合。     

基于SNM改进算法的相似重复记录消除

高质量的数据是构建数据仓库的最重要因素,低质量的数据可能对决策产生不利影响。来自不同数据源的相似重复记录是数据仓库构建中影响数据质量的主要问题之一,在源数据进入数据仓库之前尽可能地消除相似重复记录能很大程度地提高数据质量。为此,比较了现有的相似重复记录消除算法,改进了SNM算法,并通过实验比较了传统SNM方法与改进SNM算法。实验结果显示:在相似重复记录消除方面,SNM改进算法具有明显的优势。