排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
基于php的web services的研究与应用 总被引:1,自引:0,他引:1
web services是基于XML、SOAP、WSDL、UDDI等标准协议之上的实现异构系统互访的一种通用解决方案.本文正是基于此探讨了web services的体系架构和通信协议栈.最后从作者开发的农民工信息管理系统中的web services数据共享模块出发,介绍了运用PHP语言的具体的实现方案和方法. 相似文献
2.
由于移动自组织网络的高动态性,使得它的拓扑结构不断发生改变。如果不考虑链路稳定性问题,将不可避免地导致可行路径上链路的经常破裂,使得两节点需要不断的重构路由。提出了基于路径稳定性的MANET路由协议PS-AORP(Path Stability based Ad-hoc On-demand Routing Protocol),协议在路由建立过程中考虑路径稳定性,通过整条链路上的稳定因子和最小稳定熵值来确定链路稳定性。实验仿真结果表明PS-AORP对网络端到端传输时延、丢包率等网络性能都有较大的提高。 相似文献
3.
针对当前的边缘缓存策略存在的传输时延高、对较小区域中用户社会关系感知不足的问题,结合热点内容平均流行度和用户兴趣度,提出基于社会关系感知的边缘缓存策略.首先,根据热点内容平均流行度和用户兴趣度,估算用户需求,用户需求相似度反映了用户的社交关系强度;然后,依据用户的关系强度选择用户作为辅助缓存位置;最后,综合考虑缓存位置的选取和用户需求的选择,设计了基站协作缓存、用户辅助缓存的联合缓存策略.仿真实验表明,所提缓存策略相比较于传统的缓存策略在缓存命中率和系统缓存时延上均有一定的提升. 相似文献
4.
为了揭示信息在社交网络中传播的内在规律,对社交网络的信息传播过程进行深入的研究,社交网络的信息传播过程除了受信息本身的吸引力和社交环境的影响,同时受节点对消息的态度的影响。然而,现有信息传播模型对节点态度考虑不足,不能体现节点态度的差异对信息传播所产生影响。本文结合传染病模型并考虑节点态度,提出了一种基于节点态度的社交网络信息传播模型,旨在分析节点态度对信息传播的影响,为研究社交网络的信息传播机理提供理论依据。首先,考虑到不同节点的态度及其变化规则的差异,从个体角度出发,基于节点行为定义了节点态度及其更新原则。其次,在传统传染病动力学SIRS模型基础上,结合信息传播与传染病感染扩散类似的传播机理,综合考虑节点态度对信息传播状态转移的影响,利用社会学习理论得到一种基于节点态度的社交网络传播模型。该模型能够分析节点态度对信息传播的影响,给出传播规则,并刻画信息传播的演化规律。最后,采用新浪微博的真实数据对本文的传播模型进行了仿真实验,仿真结果验证了节点态度影响着信息的传播,证明了本文所提模型能够更准确地描述信息传播规律,反映社交网络的信息传播过程。 相似文献
5.
社交网络信息传播控制通过在合适的时机选择最佳的控制点,以较小的代价实现对大部分甚至整个网络的信息传播控制。社交网络用户间的弱关系往往具有信息需求互补、行为取向不断同化的特点,使其在信息扩散过程中有着不可忽视甚至爆发式的传播作用。针对这一问题,考虑社交网络强弱关系对信息传播的影响,该文提出一种基于严格可控理论的信息传播控制方法。首先,针对强关系对信息传播的影响,提取用户间的亲密度、权威性以及互动频率3个影响因素,构建强度关系网络。其次,考虑到信息传播中的弱关系特性,对网络中具有潜在价值的弱关系进行识别,并对强度关系网络中的连边权值加以更新。最后,利用严格可控理论找出网络中的驱动节点组,并根据信息传播的特征选取驱动节点集,对信息传播进行控制。实验结果表明,该文所提传播控制方法能对信息传播的促进或抑制进行有效控制,为社交网络信息传播控制提供新的方法和思路。 相似文献
6.
针对基于三维视觉指导的运动想象脑机接口多通道冗余信息较多、分类准确率差的问题,提出了一种基于小波包分解(WPD)—共空间滤波(CSP)—自适应差分进化(ADE)的模式脑电信号特征提取与选择分类方法。首先,对采集的多通道运动想象脑电信号进行WPD变化,划分出精细的子频带;然后,分别将WPD变换后的每个子空间作为CSP的输入,得到对应的特征向量;最后,使用ADE算法对特征向量进行选择,选择出用于分类的最佳特征子集。采用WPD-CSP-ADE模式进行特征提取与选择,较经典的WPD-CSP方法在分类正确率、特征个数方面有着更好的表现。同时,所提算法分类性能明显优于遗传算法、粒子群算法。实验结果表明,WPD-CSP-ADE方法能够有效地提高分类正确率,同时减少了用于分类的特征个数。 相似文献
7.
在基于位置的社交网络中用户链接与位置链接之间具有一定的内在关联,而且不同的用户在社交网络中的表现也存在差异,因此对于以上问题提出一种协作式个性化链接预测算法。针对用户的个性化特征,采用核密度估计方式对用户在时间和空间维度建模,基于兴趣组对用户进行重叠社团划分,并通过社团、好友以及签到关系进行个性化用户链接预测;基于个性化用户链接预测结果,利用从社团重启的随机游走预测用户的个性化位置链接;协作式个性化链接预测算法通过用户链接预测和位置链接预测的迭代使得两者性能相互提升。实验结果表明,所提算法相比于现有算法具有更好的预测性能。 相似文献
8.
针对当前虚拟网络功能(Virtualization Network Functions,VNF)需求预测方法准确率较低且不适用于边缘网络的问题,提出了一种在边缘网络中基于支持向量回归(Support Vector Regression,SVR)与门控循环单元(Gated Recurrent Unit,GRU)神经网络模型结合的VNF需求预测方法。考虑到网络边缘流量具有突发性、自相似性及长相关性等特点,结合SVR和GRU两种模型的优点,利用计算复杂度较低的SVR和GRU模型分别提取网络服务历史时序数据的短期特征和长期特征,以提高VNF需求预测准确率,实现边缘网络中VNF的提前放置。实验表明,所提出的预测方法在边缘网络中针对不同网络服务的预测较于传统方法、循环神经网络(Recurrent Neural Networks,RNN)、长短期记忆网络(Long Short-Term Memory,LSTM)模型能够降低20%~30%的误差,有更佳的预测效果。 相似文献
9.
随着社交网络的蓬勃发展,网络舆论的控制变得越来越重要。信息传播模型能够揭示信息传播的规律,从而达到对传播过程进行预测的目的,因此社交网络信息传播模型的研究具有重要意义。针对经典传染病模型的不足进行了分析,结合社交网络的网络拓扑特点,考虑了网络中用户的不同感染状态,引入感染用户的衰减函数,提出了适合社交网络的信息传播模型。在真实E-mail网络中进行模型仿真,对比分析了不同模型的结果,研究了模型中各个影响因子对传播过程的影响。结果表明:不同的模型参数反映了传播趋势的差异,模型反映出的传播规律更符合信息在现实网络中的传播过程。 相似文献
10.
针对目前基于共邻节点及其改进的链接预测模型中存在对共邻节点间的依赖关系考虑不足,不能完全利用网络的拓扑结构信息的问题,本文提出了基于隐朴素贝叶斯模型和双隐朴素贝叶斯模型的链接预测方法。算法考虑共邻节点间互相依赖关系及其依赖关系的不同,通过隐朴素贝叶斯分类模型计算节点之间的相似性,利用条件互信息来衡量节点间的依赖程度,提高链接预测的准确率。采用网络DBLP和Email的真实数据作为实验数据集,使用AUC和Precision方法来评价本文的预测模型,实验结果表明,本文方法比目前主流方法的预测效果更好,验证了方法的准确性。 相似文献