可靠性分析的并行不交和算法

不交和算法是计算网络可靠性的有效方法，到目前为止，基于这一方法已经开发出多种算法，提出了对这些不交和算法实行并行化的通用框架。基于这个框架，在工作站网络上实现了CAREL不交和算法的并行化版本。实验结果表明，这种方法效果很好，几乎得到线性加速。     

一种计算复杂网络可靠度的新算法

利用基于基本互补划分（ＥＣＰ）求复杂网络的树的原理，发展了一种新的求不交化树的方法，从而能有效地计算一个复杂网络的全可靠度     

一种计算广播型网络可靠度的新方法

介绍了初等有向树变换的概念，并基于初等有向树变换给出了一种计算广播型网络可靠度的新方法，该方法不需进行非独立事件和的概率计算或有向树的专门不交化处理，因而所需计算量较小。     

网络可靠度一种新的不交和算法

给出网络可靠度一种新的不交和算法，对两终端可靠度而言，当给出两终端道路集合后，撮一种排列道路顺序的新原则，利用不交和算法，在计算中借助布尔代数，定理进行简化，使得算法步骤较少而可靠度的符号表达式更加紧凑。     

粒子群算法并行化方法研究

本文研究了目前比较流行的并行化方法，并分别使用了基于任务分解的方法．基于分治模式的方法，基于主从模式的方法对粒子群算法（PSO算法）进行了并行化实现，分析了并行PSO算法的优势，并提出其适用范围。     

一种运用取补单一变量生成不交化和的改进算法

在ＡＬＲ算法和ＡＬＬ算法的基础上，给出一种新算法（ＭＩ算法）。该算法的主要特点是用一种新方法代替ＡＬＲ算法中的取补运算和不交化过程，同时又采纳了ＡＬＬ算法中的外循环排序法。因此，ＭＩ算法比ＡＬＲ及ＡＬＬ算法直观、简便，且容易在计算机上实现。     

基于MapReduce的中文词性标注CRF模型并行化训练研究

针对条件随机场模型面对大规模数据传统训练算法单机处理性能不高的问题, 提出一种基于MapReduce框架的条件随机场模型训练并行化方法, 设计了条件随机场模型特征提取及参数估计的并行算法, 实现了迭代缩放算法的并行。实验表明, 所提出的并行化方法在保证训练结果正确性的同时, 大大减少了训练时间, 效率得到较大提升。     

基于网络简化技术的通风网络可靠度新算法

为了解决在网络可靠度计算中存在运算量过大的问题,利用不交和的原理计算网络的可靠性是当今所有计算网络可靠性方法中最有效的方法之一,但对大型网络依然无法快速确定网络可靠度。针对这一问题,采用直接构造不交化通路集的方法,结合网络简化技术和截断误差理论,提出了一种快速确定大型通风网络可靠度的算法。结果表明:本算法可在24 s内计算出传统算法10 h都无法算出的大型通风网络可靠度问题。该算法对提高大型通风网络可靠度计算速度具有很大作用。     

一种计算网络端对可靠性的有效方法

介绍了一种分析网络可靠性的有效方法，提出了关于最小路排列顺序的两个法则。在分析复杂网络的可靠性时，这种方法可以使问题简化，并且产生的不交和项数较少。     

基于MapReduce的RBF神经网络的并行性研究

针对串行传统的单机训练学习算法很难满足大数据应用需求,本文讨论了基于云平台计算机集群的神经网络并行化问题。首先,设计实验验证基于云平台机群的神经网络并行化学习的可行性;其次,将此方法应用到人脸识别;最后,通过仿真实验验证方法的有效性,与非并行化径向基网络进行对比,表明该方法可以降低数据训练时长,有更快的学习效率、更高的识别度。     

计算不交和的一个新算法

提出一个计算网络可靠度的有效算法。算法基于二分决策图,但采用新的法则选取Shannon公式中的关键字母及因式分解技巧,与已有的某些算法相比,算例表明这个算法比较简单,产生比较少的不交和项及比较紧凑的公式。     

面向大数据的超启发式SVM的网络安全框架研究

大数据环境下,为了提高支持向量机(support vector machines, SVM)在网络安全应用环境下的性能,提出了面向大数据的超启发式SVM网络安全框架。所提超启发式SVM框架由SVM和超启发式框架组成,超启发式框架的作用是生成配置参数,并将其发送到SVM,SVM使用生成的配置来解决给定的问题,然后将成本函数发送到超启发式框架。超启发式框架分为高层策略和低层启发式,高层策略具有搜索性能,可以控制选择低层启发式并生成新的SVM配置;低层启发式算法构成了一组特定于问题的启发式算法,使用不同的规则实现对SVM配置搜索空间的探索。该框架自适应地集成了基于分解和基于Pareto方法的优点,近似SVM配置的Pareto集,解决了启发式框架的优化问题。实验结果表明,所提框架性能优于其他算法,说明框架的有效性。     

基于QoS的动态组播路由协议框架

通过对现有动态组播路由算法及协议的研究和分析,在总结QoS动态组播路由问题研究现状的基础上,提出了一个协议框架,并就此协议框架中的动态问题、QoS问题及分层问题提出了一些理论上的解决办法.框架试图利用集中式算法作为组播路由的预计算方法,同时结合分布式地动态收集QoS信息,做出QoS相关的组播路由决定.把一些现代互联网的先进技术,如Anycast机制等,结合到组播路由算法中,使组播路由算法具有更大的灵活性和可扩展性.     

Route Guardian: Constructing Secure Routing Paths in Software-Defined Networking

Software-Defined Networking(SDN) decouples the control plane and the data plane in network switches and routers, which enables the rapid innovation and optimization of routing and switching configurations. However,traditional routing mechanisms in SDN, based on the Dijkstra shortest path, do not take the capacity of nodes into account, which may lead to network congestion. Moreover, security resource utilization in SDN is inefficient and is not addressed by existing routing algorithms. In this paper, we propose Route Guardian, a reliable securityoriented SDN routing mechanism, which considers the capabilities of SDN switch nodes combined with a Network Security Virtualization framework. Our scheme employs the distributed network security devices effectively to ensure analysis of abnormal traffic and malicious node isolation. Furthermore, Route Guardian supports dynamic routing reconfiguration according to the latest network status. We prototyped Route Guardian and conducted theoretical analysis and performance evaluation. Our results demonstrate that this approach can effectively use the existing security devices and mechanisms in SDN.     

基于凸半定规划的RSS测距的合作式定位方案

无线传感网中的多类应用均需要准确的定位算法。为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,再利用最大似然ML (Maximum likelihood)估计法求解节点的位置。然而,ML估计为非线性、非凸性,难以获取全局最优解。为此,提出凸半定规划SDP(Semidefinite Programming)的合作式定位方案,利用凸半定规划策略将ML估计转换成凸优问题。同时,该方案考虑两类场景：源节点发射功率已知、未知。针对第一类场景,利用半凸松驰策略,并结合最小化最小二乘法,建立凸优表达式,最后利用CVX求解;针对第二类场景,先建立联合ML估计函数,再利用SDP估计,并结合起来简单的三步骤方案进行位置估计。仿真结果表明,提出的SDP算法的定位精度比SD/SOCP-1、SDPRSS平均提高了近15%至20%。此外,提出的SDP算法在所有场景的误差小于3m的出现概率占0.8,而SD/SOCP-1、SDPRSS算法小于0.5。     

多用户检测问题的强化半定规划松弛方法

针对最大似然多用户检测问题，基于已有的半定规划模型，给出了一种新的强化半定规划模型。此模型不仅满足严格可行性（Slater约束规格），而且能提供原问题一个更好的界。根据这种模型，利用随机扰动算法，得到求解最大似然多用户检测问题的强化半定规划松驰方法。该方法简单、快捷，且能有效克服误码率较高的问题。理论和仿真试验均说明了这一点。     

高速网络入侵检测系统流量分配器

入侵检测技术是维护网络安全的一种重要手段。为了克服现有入侵检测系统在处理速度上的不足,该文提出了一种基于网络处理器和处理机群的高速入侵检测系统结构。重点讨论如何采用网络处理器实现系统中的流量分配器。对网络处理器的多线程数据采集、流量分配两个算法作了详细的分析。研究结果表明,经过算法优化,采用网络处理器IXP 1200实现的流量分配器可以完成1 G b.-s 1以上数据的实时采集,基于目的媒体接入控制(M AC)地址的转发策略在维护信息完整性和降低处理复杂度两方面体现了很好的折中,达到了合理的流量分配。     

A New Approach to Learn the Equivalence Class of Bayesian Network

It’s a well-known fact that constraint-based algorithms for learning Bayesian network(BN) structure reckon on a large number of conditional independence(C1) tests.Therefore,it is difficult to learn a BN for indicating the original causal relations in the true graph.In this paper,a two-phase method for learning equivalence class of BN is introduced.The first phase of the method learns a skeleton of the BN by CI tests.In this way,it reduces the number of tests compared with other existing algorithms and decreases the running time drastically.The second phase of the method orients edges that exist in all BN equivalence classes.Our method is tested on the ALARM network and experimental results show that our approach outperforms the other algorithms.     

基于半定规划的无线传感器网络节点定位算法

针对无线传感器网络节点定位,在最大似然估计(MLE)基础上提出了一种半定规划(SDP)的优化算法.结合有效的锚节点位置选择和比率范围设定,在放宽非凸约束的基础上,采用SDP求解算法,有效减少了误差的影响,得到被测节点的实际位置.改变锚节点的位置可以有效解决锚节点凸壳外的节点位置估计不精准问题.仿真结果表明,提出的SDP算法对未知节点的位置实现了高精度定位,改进了凸优化方法.     

面向宽频段频谱感知的WSN架构及其分簇算法

针对动态频谱管理、频谱监测等领域对宽频带频谱感知的需求,提出了一种面向宽频段频谱感知的无线传感器网络系统架构,采用分簇的网络结构、分频段协作感知和分级的感知结果处理机制,实现了对宽频段频谱的有效、高精确度感知。重点研究了该架构下的分簇算法,提出了一种面向感知任务频段特性的分布式分簇算法。算法基于近邻传播模型,通过分布式消息交互积累网络结构信息,实现将信噪比相似的节点分在较少簇中的分簇目标。仿真表明,提出的分簇算法生成的簇数目随着节点数量的增加线性增长,簇结构在簇首与簇成员信噪比标准差和能量差等指标上均优于现有算法,说明了算法在可扩展性、支持感知结果融合和提高网络工作时间等方面的优越性。