网络计费系统的设计与实现

网络计费系统可以统计网络用户所应承担的费用，监控网络的数据流量，分析网络的使用情况及性能，发现网络的瓶颈、故障点和某些异常等。讨论了计费系统的开发方法，通过对IP用户和拨号用户接入方式和适用计费协议的分析，提出了使用简单网络管理协议(SNMP)进行固定IP用户上网流量的数据采集，使用远程身份验证拨入用户服务(RADIUS)进行拨号用户上网时间的数据采集，在Windows平台采用Visual C ．NET工具实现了数据采集功能，用ASP.NET实现了计费数据的处理，建立用户管理与系统管理模块，开发了网络计费系统。     

用蚂蚁算法处理固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性 ,文章采用一种新型随机搜索思想———人工蚂蚁算法求解固定需求交通平衡分配问题。算法设计中利用蚂蚁王国中增强型学习系统功能和并行计算的特点 ,使得交通分配系统朝着用户优化的方向发展,降低了分配的复杂性 ,为交通分配问题开创了一条新的途径 ,同时显示了蚂蚁算法在交通规划中的使用前景     

智能桌面元搜索引擎中个性化研究

随着WWW信息量的急剧膨胀,当前的搜索引擎已经不能够很好的满足人们信息搜索的需求,元搜索引擎作为下一代功能更强大、更具智能的方案而成为当前的研究热点.本文针对桌面搜索引擎易于获得单个用户个性化信息的特点,提出了个性化桌面元搜索引擎的解决方案,从它的体系结构到局部的技术难点都作了详细描述,同时最后给出总结和展望.     

基于PowerBuilder应用程序的键盘事件解决方案

PowerBuilder中大多数控件不能直接捕获键盘事件.本文针对PB中的Window、DataWindow、ListView、TreeView、Tab和RichTextEdit等控件中常用按键的键盘事件问题,提出了相应的解决方案,弥补了PowerBuilder开发系统中对键盘处理的不足.     

建立动态群组的多Agent协同模型及应用

近年来，用多Agent技术开发能够解决复杂问题的信息系统越来越受到关注。本文提出一个建立动态群组的Agent协同模型及在异地同步协同中的应用。重点分析协同模型的功能组成、建立动态群组的算法过程和在异地同步协同中的应用，其中协同agent通过协同用户列表控制群组中的动态用户。建立该模型的目的在于提高协同Agent适应环境变化的能力。     

ATIS环境下的网络交通流逐日动态演化研究

基于出行者逐日路径选择过程,建立出行者路径选择模型和逐日路径选择学习模型. 在2条平行路径的简单路网中进行多次数值实验,结果表明：网络交通流演化是否稳定,以及能否达到随机用户均衡态,与出行者对昨日感知行程时间的依赖程度和先进的出行者信息系统市场占有率两者都有关系. 当出行者对昨日实际行程时间完全依赖时,路网系统始终偏离随机用户均衡态;当出行者对昨日感知行程时间完全依赖时,出行者集中选择一条路径,并且网络交通流演化稳定.     

基于内容流行度的移动CCN缓存策略研究

近年来,为了适应互联网应用由发送者驱动的端到端通信模式向接收者驱动的海量内容获取模式的转变,并从网络体系架构层面提供对可扩展和高效内容获取的原生支持,研究界近年来提出以内容为中心的新型网络(content-centric networking,CCN)体系架构,它能够高效地支持未来互联网上的内容分发.随着移动用户数量的不断增加,未来移动用户也将访问CCN网络,针对内容中心网络中的用户移动性问题,提出了一种基于内容流行度的移动性缓存策略.该策略考虑用户移动性,利用半马尔科夫模型对用户移动性进行建模,同时采用多元线性回归模型对内客流行度进行预测,结合用户移动性与原有内容流行度提出一种移动性缓存策略.仿真实验表明,移动性的加入会对内容的流行度产生较大的影响,该策略能有效地提升缓存命中率.     

用户参与虚拟知识社区价值共创的机理研究

本文从自我决定理论出发,以知乎网和果壳网的用户为研究对象,实证分析了不同自我决定感对用户参与虚拟知识社区不同动机的影响,并探讨了这些动机对用户价值共创行为的作用。研究成果为厘清虚拟知识社区价值共创的轨迹提供了科学的理论依据。     

基于改进隐马尔科夫模型的鲁棒用户行为识别

提出了一种基于改进隐马尔科夫模型的用户行为识别方法.采用遗传算法用于优化隐马尔科夫模型的初始参数,将混沌算子代替遗传算法中高斯变异算子,以避免传统遗传算法在收敛过程中的停滞和早熟问题,并有效解决传统隐马尔科夫模型中Baum-Welch算法对初始参数敏感的问题.此外,采用UCI中ADLs数据对用户行为进行识别,实验结果表明该方法具有很高的识别率和可靠性.     

基于神经网络的社交网络用户动机与行为关系研究

 以社交网络用户为研究对象,扩充了用户的“获利性”动机和“社交获利”行为,通过调研问卷,利用神经网络模型分析社交网络用户动机与行为的关系。结果表明,不同动机对不同行为的影响程度不同,动机对行为的整体贡献度呈现出有用性 > 自我呈现 > 娱乐性 > 易用性 > 获利性 > 从众性 > 社交性的趋势。建议管理人员持续完善网站的社交和娱乐功能,从用户心理出发构建品牌辨识度高、有特色的社交网络。