周界防护的最优替换调度

随着UAV技术的不断发展,人们越来越趋向于采用带有摄像功能的UAV来进行区域的周界防卫,从而跟踪监测潜在的入侵或其他监视任务.考虑UAV的电量消耗问题,本文提出了一种替换策略来保证UAV对的跟踪电量尽可能大,给出了周期性策略的重要性说明,在这一指导下,提出了UAV数量为奇数和偶数时的替换策略最优的充要条件,并给出了生成最优策略的方法.     

基于聚类和协同标注的TSVM算法

针对数据集中类样本不均衡、样本标注代价大的问题,结合聚类算法、委员会投票思想和TSVM算法,提出一种基于聚类和协同标注的TSVM算法,该方法利用聚类算法进行子集划分,保证每个子集都包含良好的空间信息,对样本的标注采用多个分类器进行投票,提高标记准确率,减少错误的累积和传递,提高标注准确率,增强最后分类器的泛化性能.KDDCUP99数据集上的实验结果表明该方法对未知攻击有较高的检测准确率.     

基于聚类和协同标注的TSVM算法

针对数据集中类样本不均衡、样本标注代价大的问题,结合聚类算法、委员会投票思想和TSVM算法,提出一种基于聚类和协同标注的TSVM算法,该方法利用聚类算法进行子集划分,保证每个子集都包含良好的空间信息,对样本的标注采用多个分类器进行投票,提高标记准确率,减少错误的累积和传递,提高标注准确率,增强最后分类器的泛化性能.KDDCUP99数据集上的实验结果表明该方法对未知攻击有较高的检测准确率.     

基于加权投票集成的极化SAR图像分类方法

提出了一种新的基于加权投票准则集成的极化合成孔径雷达系统(PolSAR)图像分类方法.该方法采用加权投票集成的方法根据不同个体的学习结果进行合,并从而提高极化SAR图像的分类精度.首先,输入极化图像数据并获得所需要的特征作为特征集.再从图像的每一类中选取多组像素点组成多个训练样本子集;然后,基于不同的样本子集训练学习得到不同的分类器,并对像素点进行分类得到预测标记,再由这些预测标记计算得出相应的加权系数;最后,通过加权系数将预测标记合并起来得到最终的极化SAR分类结果.实验结果证明,所提出的算法在AIRSAR和Radarsat-2数据上取得了很好的分类结果.     

一种基于性能评估的元任务调度算法

在保障本地任务QoS需求及尊重网格节点的本地调度策略的条件下,提出了一种资源动态性能评估方法,并得出了2个资源动态性能的评估尺度.基于网格资源可用性的相关结果,利用概率法得出网格节点服务于网格任务的平均能力.利用热力学中熵的概念对网格节点状态的动态变化不确定性进行了评估,并得到刻画网格节点状态不确定性的定量值.在资源动态性能评估的基础上,提出了一种基于性能评估的元任务调度算法.仿真与评估结果表明,所提算法在服务拒绝率、网格任务执行跨度方面优于以往算法,且在网格用户的QoS保障程度上有所增强.     

内容中心网络中基于内容流行度和节点属性的协作缓存策略

网络内置缓存是内容中心网络中的一项重要特性,而现有的缓存策略会使网络中的缓存分布不均,缓存的效率还有较大的提升空间。为了使被缓存的内容对象在空间和时间上分布更合理,提出了一种基于内容流行度和节点属性的协作缓存策略,通过内容的实时流行度和多项节点属性对缓存内容及缓存位置进行选择,能够降低网络冗余,减少内容替换,实现更均匀的内容分布。仿真结果表明,所提缓存策略与其他几种典型的缓存策略相比,可以有效地提高缓存命中率、降低网络负载和总体缓存替换数量。     

社交网络中基于用户投票的推荐机制

为了改善目前社交网络中热点信息推荐与个性化好友推荐的不足,提出基于用户投票的推荐机制.首先,根据众多用户对某条信息的投票情况评估信息的热度与价值,将用户对信息的浏览、评论、转发等操作以及时间因素与用户主动性投票相结合,提出基于用户投票的热点信息推荐算法.然后,根据某个用户对众多信息的投票情况评估用户的兴趣,从用户对网络信息的投票以及浏览情况中提取出用户的兴趣度特征,进而提出基于用户投票的个性化好友推荐算法.最后,针对2个算法进行仿真实验,评估各因素对推荐算法的影响和推荐的有效性.实验结果表明,基于用户投票的推荐机制可以有效地进行热点信息与个性化好友的推荐.     

基于单信息初始搜索的特征选择方法研究

在机器学习任务中,特征选择是重要的数据预处理,可为获得较好的特征数据集,有利于训练产生精确度、可靠性等适应能力较强的学习模型.通过不同的评估策略,应用多种特征选择方法挖掘出有利学习模型的特定数据集,提出了基于单信息特征评估策略作为搜索特征子集的初始方法,并结合典型特征选择方法进行比较研究,实验结果表明该方法可提高分类的运行效率和准确度.     

基于动态学习的Deep Web数据源选择算法

提出了基于查询过程的动态计算数据源和查询关键词相似度的算法.当用户查询时,从数据源中选择子集进行查询,然后计算结果网页与查询关键词的相似度,按加权均值法调整该数据源的相似度,随着系统的运行,数据源与关键词的相似度不断被动态调整以反映数据源的实际情况,从而为数据源选择做出判断依据.     

无线传感器监测网络动态节点调度

为了提高无线传感器监测网络系统的容错性和优化系统的工作寿命,基于连通图提出监测图的概念,并在此基础上提出一种在高节点失效率情况下,有效延长无线传感器监测网络工作寿命的动态节点调度策略.通过对由目标节点和传感器节点组成的监测图的计算,在各个子监测图内实现分布式、动态的节点调度.所提出的节点调度策略是一种回合制的动态调度策略,在每一回合根据传感器节点当前的电能储备以及传感器节点和目标节点度的大小进行节点调度,在提高系统的工作寿命的同时有效改善容错性.通过对工作参数的设置可以实现在能耗与容错性之间进行权衡.     

基于可用能力建模的云虚拟机动态调整策略

云资源的可用性对资源管理带来一定的挑战,针对以往工作忽略云计算系统由于资源不足造成的不可用情景,提出一种可用性感知的虚拟资源动态调整策略(ADAR),利用马尔可夫模型对虚拟机可用能力进行建模,能够评估未来时刻资源的缺失情况对应用服务影响,根据评估结果对作为虚拟机资源进行调整指导。仿真实验验证了ADAR策略具有可行的效果,有效地降低资源浪费、降低云任务的完成时间和提高系统利用率。     

一种面向通信开销的网格工作流调度算法

采用任务—资源分配图定义了网格任务调度模型,运用动态规划的方法提出了面向通信开销的工作流任务调度算法。采用扩展的拓扑排序算法对具有依赖关系的工作流任务进行划分,根据划分的任务子集得到相应的调度阶段,在每一阶段选择满足约束条件和以计算开销、通信开销以及任务执行成功率为最优目标函数的资源节点进行任务分配,从而使工作流任务调度目标函数最优。应用Grid Sim工具包实现了该调度算法,并与Min-Min算法进行对比分析。仿真结果表明,基于动态规划的网格工作流调度算法具有良好的适应性,且能较好地处理不同网络环境下任务间存在大量数据传输的网格调度问题。     

基于动态规划的云计算任务调度研究

任务调度作为云计算中的核心问题,其目的是合理分配任务,实现最佳调度策略并且有效地完成任务.首先对当前云计算中任务调度算法进行分析并指出传统算法的不足与缺点,然后提出一种基于动态规划模型的任务调度算法,以任务运行时间最少为优化目标,把任务与数据集群中虚拟机匹配看成为多阶段决策的组合优化.最后在CloudSim进行仿真实验,结果表明,所提算法在满足多用户需求下与max-min和min-min算法相比,在一定数量规模下,任务完成时间减少而资源负载相对均衡.     

Boosting算法中基分类器权重的动态赋值

Boosting是一种有效的分类器组合方法,其通过加权投票来组合多个基分类器进行分类.在对基分类器进行权重赋值时,该算法采用了以基分类器在当前训练集上的错误率的某种变形来对基分类器进行权重赋值,这是一种静态的赋值方法.介绍一种动态地对基分类器进行赋权重的方法,这种方法利用当前测试实例属于某个被错误分类数据子集的程度,并按照程度的大小给相应的基分类器赋适当的权重.跟静态赋权重相比,这种方法考虑了测试实例属性取值的不同,进而能动态地调整基分类器的权重,从而达到进一步优化分类性能的目的.实验表明,动态权重赋值的方法在大多数情况下跟静态赋值相比具有更好的分类性能.     

基于特征融合和改进RSM集成分类的BMP隐写检测

针对目前大部分BMP隐写分析方法主要采用单一特征和单一强分类器,容易产生训练样本敏感、分类精度难以提高等问题,提出一种基于特征融合和改进RSM集成分类的BMP图像隐写检测方法.方法首先串行融合Moulin和SPAM两种经典特征,然后利用序列前向选择(SFS)算法选取分类能力高的特征作为固定特征,其余特征在剩余特征空间中随机抽取,利用固定特征和随机抽取特征构造特征子集,最后在特征子集上训练成员分类器,并用多数投票法对它们进行组合.实验结果表明:和传统方法相比,在不同嵌入率下,该方法对BMP经典隐写(如LSB匹配、LSB替换、SS和QIM)的检测率均有一定程度的提高.     

基于复杂网络和遗传算法的特征选择方法

特征选择作为一种常见的降维方法,一直以来都是机器学习和数据挖掘领域的热点话题.针对传统特征选择算法没有充分考虑特征全局冗余性,导致选择的特征子集对分类识别精度不够高的问题,提出基于复杂网络节点重要度评估和遗传算法的特征选择算法,将每个特征视为网络节点,根据互信息建立边,将特征选择问题转化为节点重要度评估问题,利用遗传算法选择最优特征子集.实验结果表明此算法能够找到较为优秀的特征子集,有效降维并提高分类精度.     

一种求解最大团问题的化学反应算法

最大团问题是在给定的一个图中寻找一个顶点数最大的顶点子集S,使得S中任意2个顶点都相邻,是一个著名的NP完全问题.提出一种带有局部搜索策略的化学反应算法求解最大团问题.为了提高算法的性能,在化学反应算法的分子碰撞阶段引入分子亲和度,使得碰撞后的分子倾向于得到对应于最大团较大的分子.将不相交的Golomb尺问题转化为最大团问题实例,通过求解最大团问题,得到若干不相交的Golomb尺问题的新结果.     

基于视觉形状与相关反馈的三维模型检索

提出一种基于小波矩的面光源描绘子和改进的基于高斯势函数的轮廓描绘子,并在此基础上结合Adaboost相关反馈,构建一种两阶段的三维模型检索策略.首先获得模型的最优包围盒;然后进行两阶段检索:第一阶段是基于高斯势函数的轮廓描绘子的快速定位检索范围,第二阶段是融合以上两种描绘子的精确检索.最后结合Adaboost相关反馈,从而有效地评估模型之间的相似度.实验结果表明:该方法具有较高检索效率与精度.     

基于动态影响因子的任务分配策略

针对当前任务分配问题的现状和不足,综合考虑任务难度系数、责任意识、经验值、任务负载平衡、能力、社会关系、兴趣度、任务预期执行时间等对任务分配的影响,提出了一种基于动态影响因子的任务分配策略.     

连续的数据库数字水印检测算法

数据库数字水印的检测是数据库数字水印方案的关键环节之一,优良的检测方案可以增强水印的检测效率及性能.提出了一种连续的数据库数字水印检测算法,在保证检测准确度的情况下,可以较大幅度地提高数据库中水印检测的时间效率;对于数据库数字水印的子集替换和子集删除攻击具有较强的免疫性.通过实验对该算法进行了验证和比对分析,证明该算法具有比较理想的效果.