分布式故障诊断在SNMP中的模拟与应用

分析传统网络管理集中式及分层次体系结构的缺陷,提出分布式网络管理的体系结构,把用于大规模集成电路故障诊断的系统级故障诊断算法ADSD应用到计算机网络故障诊断中。为了验证计算机网络分布式故障诊断的可行性,在NS中嵌入ADSD算法,模拟整个算法的执行,对算法的执行效率如诊断延时、报文流量进行分析。在此基础上对原算法进行改进,以减小算法对正常网络应用的影响。通过对SNMP的模拟实验,验证在网络管理中引入分布式故障诊断的可行性。     

基于磁盘表存储FP-TREE的关联规则挖掘算法

随着现实待挖掘数据库规模不断增长,系统可使用的内存成为用FP-GROWTH算法进行关联规则挖掘的瓶颈.为了摆脱内存的束缚,对大规模数据库中的数据进行关联规则挖掘,基于磁盘的关联规则挖掘成为重要的研究方向.对此,改进原始的FP-TREE数据结构,提出了一种新颖的基于磁盘表的DTRFP-GROWTH(disk table resident FP-TREE growth)算法.该算法利用磁盘表存储FP-TREE,降低内存使用,在传统FP-GROWTH算法占用过多内存、挖掘工作无法进行时,以独特的磁盘表存储FP-TREE技术,减少内存使用,能够继续完成挖掘工作,适合空间性能优先的场合.不仅如此,该算法还将关联规则挖掘和关系型数据库整合,克服了基于文件系统相关算法效率较低、开发难度较大等问题.在真实数据集上进行了验证实验以及性能分析.实验结果表明,在内存空间有限的情况下,DTRFP-GROWTH算法是一种有效的基于磁盘的关联规则挖掘算法.     

基于磁盘存储1项集计数的增量FP＿GROWTH算法

随着数据集规模的不断增大,提高频繁项集的挖掘效率成为数据挖掘领域的研究重点。频繁项集的增量更新挖掘算法因其可以利用已挖掘发现的信息提高对新数据集的挖掘效率,成为重要的研究方向。但现有频繁项集增量更新算法大多基于APRIORI算法框架,性能提高有限。最近出现的建立在FP‐T REE等树形结构上的增量更新算法又往往存在树形结构调整困难、已发现频繁项集及树形结构保存效率较低等问题,算法性能有待进一步地提高。对此,通过分析增量挖掘过程中的关键信息,提出了一种基于磁盘存储1项集计数的增量FP＿GROWTH算法（IU＿FPGROWTH＿1COUNTING）。该算法无需保存临时树形结构及临时挖掘结果,可以在原数据集及支持度均发生变化时,减少FP＿GROWT H算法对数据集的扫描,提高频繁项集的挖掘效率。在生成以及真实数据集上进行了验证实验以及性能分析,结果表明IU＿FPGROWTH＿1COUNTING是一种有效的频繁项集增量更新挖掘算法。     

基于在线品牌社区意见领袖的用户关键需求挖掘

随着社会的快速发展以及技术的不断进步,人们生活节奏不断加快,对产品的需求也在快速发生着变化。在线评论是目前用户需求表达的重要渠道。为克服不加区分挖掘所有评论的传统用户需求挖掘方法耗时过长,难以聚焦用户关键需求的问题,从用户关键性与需求关键性的双关键性角度出发,研发了一种基于在线品牌社区意见领袖的用户关键需求挖掘方法以快速获取用户重要需求,简称KEY-DEMANDS-OL。该方法依据帕累托法则,依托意见领袖评论大数据,采用优化的情感程度及初始改进率,结合KANO模型对用户关键需求进行挖掘。该方法不仅考虑了程度副词的语义信息,提高了情感分析的准确率,而且能够完成意见领袖的生成内容与KANO模型的自动整合,实现用户关键需求的获取与分类。研究结果表明,与挖掘所有评论的传统方法相比,KEY-DEMANDS-OL可以快速获取用户的关键需求,为企业制定产品优化方案提供辅助决策支持。     

校园网物理拓扑发现系统的实现

随着校园网规模的不断增长以及TCP/IP网络的动态特性,及时掌握网络的拓扑信息是非常困难的,因此高效率地进行校园网物理拓扑发现是一个重要的研究方向,是进行网络设备管理,网络故障分析等等网络管理的前提.各个网络设备生产厂商认识到网络拓扑的重要性,开发了私有的协议用于拓扑发现,但是由于使用了私有协议,各个厂商的网管产品不能互通.就校园网进行研究,给出了一个利用现在网络设备普遍支持的简单网络管理协议进行校园网物理拓扑发现的解决方案.     

粉末法配制光谱标样两种表示形式的讨论

通过计算分析,研究了粉末法配制光谱标样两种表示形式的偏差问题。指出：以金属／氧化物计配制光谱樯样采用纯基体氧化物的换算系数,当分析元素越多,被分析元素和基体元素二者的氧化物与金属的比值相差越大时,导致分析结果的偏差越大;而以金属／金属计配制光谱标样时,对于含量不同的标样点,采用与之对应的比值系数,避免了偏差的引入。     

混凝法处理黏胶短纤维废水的研究

采用混凝沉淀法对经过预处理的唐山某化纤厂黏胶短纤维生产废水进行了处理研究,考察了pH、助凝剂投加量、反应温度等因素对混凝沉淀的影响。实验结果表明,乙炔渣不仅能作为pH调节剂,而且具有良好的混凝作用;pH在8.5时混凝作用和沉淀Zn2+的效果最好;投加1.4 g/m3聚合度为1 000万~1 400万的助凝剂聚丙烯酰胺可明显提高混凝效果;反应温度在45℃时混凝效果最好。处理后废水的[Zn2+]<1.55 mg/L,浊度≤10 NTU,COD<450mg/L,电导率≤2 100μS/cm,B/C≥0.4。     

成型工艺条件对粒状镁铝复合氧化物催化乙氧基化的影响

本文对粉体镁铝复合氧化物(以下简称MAO)采用加压造粒的方法制得粒状MAO(以下简称LMAO)，并研究了成型工艺条件对粒状MAO的性能影响。研究结果表明，造孔剂(淀粉)含量增大，粒状MAO孔隙率增大，磨损率变大，压力增大，其孔隙率减小，磨损率降低。得出最佳工艺条件为：造孔剂(淀粉)含量10％，压力100MPa。经活化后，粒状MAO催化所得乙氧基化产品具有分子量分布窄、副产物含量低、色泽浅的优点。     

基于车辙图像的CE-4月球车挂钩牵引力判别

为评估玉兔2号月球车月面行驶状态,提出了一种基于滑转率信息的月球车挂钩牵引力评价方法。该方法以玉兔2号月球车车轮与其地面原型车为试验对象,通过整车试验和土槽试验模拟玉兔2号月球行驶状态,以车辙信息、滑转率、轮上载荷作为输入参数,建立了沉陷量-滑转率、车辙间距-滑转率标定模型,并基于Matlab图像处理对滑转率进行识别。结果表明,玉兔2号月球车在月面特定区域D′、A、B′点行驶时的滑转率分别为10.45%、12.96%、19.70%,挂钩牵引力分别为177.03、181.62、194.47 N。地面试验和反演计算结果表明,玉兔2月球车在以上区域行驶状态良好。     

基于滑动窗口的快速Learn++.NSE*

Learn++.NSE集成的单个基分类器需根据其在所有历经环境中的分类错误率加权计算投票权重,学习效率有待提高.因此,文中采用滑动窗口技术优化权重的计算过程,提出基于滑动窗口的快速Learn++.NSE算法(SW-Learn++.NSE).该算法仅考虑使用单个基分类器近期窗口内的分类准确率计算投票权重,提高集成学习的效率.实验表明,相比Learn++.NSE,在取得同等分类准确率的情况下,文中算法分类学习的效率更高.