自管理机密网络的分布式匿名路由协议

针对数据传输时所需通信分析暴露通信者身份及相互关系的问题,采用混淆网络和洋葱路由来掩饰其真实通信,通过建立匿名路径来防止通信中的流分析,但所有路由器需要通过交换路由信息了解整个网络的拓扑结构.提出一种分布式匿名路由协议.该协议不需要任何节点收集和存储网络拓扑信息.模拟结果表明该协议具有较好的可扩展性.     

基于TreeLSTM的查询基数估计

针对传统的数据库管理系统无法很好地学习谓词之间的交互以及无法准确地估计复杂查询的基数问题,提出了一种树形结构的长短期记忆神经网络(Tree Long Short Term Memory, TreeLSTM)模型建模查询,并使用该模型对新的查询基数进行估计.所提出的模型考虑了查询语句中包含的合取和析取运算,根据谓词之间的操作符类型将子表达式构建为树形结构,根据组合子表达式向量来表示连续向量空间中的任意逻辑表达式.TreeLSTM模型通过捕捉查询谓词之间的顺序依赖关系从而提升基数估计的性能和准确度,将TreeLSTM与基于直方图方法、基于学习的MSCN和TreeRNN方法进行了比较.实验结果表明：TreeLSTM的估算误差比直方图、MSCN、TreeRNN方法的误差分别降低了60.41%,33.33%和11.57%,该方法显著提高了基数估计器的性能.     

基于排队论时间预测的网格工作流调度算法

针对时间限制严格的DAG（有向无环图）类型网格工作流提出了一种新的基于排队论时间预测模型的网格工作流调度算法。按照用户提交的工作流执行时间的要求,利用Little公式计算任务在各候选资源上执行时间超过规定时间概率的大小,然后选择最佳的候选资源执行工作流任务。仿真结果证明了该算法的有效性。     

Storm平台非关键路径电压调控节能策略

针对流式大数据计算平台的高能耗问题,提出一种基于Storm平台的非关键路径电压调控节能策略.首先根据数据流处理特点建立有向无环图、关键路径及电压调节模型,确定位于拓扑执行非关键路径上的工作节点CPU使用率及数据传输量阈值;其次根据拓扑执行非关键路径上工作节点的不同情况,对工作节点内存电压进行调节,当工作节点的CPU使用率及数据传输量低于阈值时降低其内存电压,当工作节点CPU使用率及数据传输量高于阈值时则升高其内存电压,由工作节点内存电压确定系统功率;最后通过评估性能与能耗的关系验证算法的可行性.实验结果表明,系统实施节能策略后比原系统降低了约34.5%的能耗,且位于拓扑执行非关键路径上的节点越多节能效果越好.     

基于Petri网的Web服务组合分析方法

为提高Web服务组合的运行效率,提出了基于有色Petri网的Web服务组合网系统概念,用于Web服务组合的建模和性能分析.以电子资源跨库查询过程为实例,构建实例的理想模型和缓存限制模型.模型支持Web服务组合协调节点间的网络延迟、数据依赖、控制依赖等因素.基于CPN Tools仿真平台,验证了模型的正确性,并在仿真实验中监测了查询延迟、查询成功率、缓存占用率等指标.结果表明,实施缓存限制策略前后,分布式模型比集中式模型均有更好的性能.     

I-Wander:一种面向非结构化对等网络的Web服务发现方法

针对非结构化对等网络,设计了一种称为I-Wander的Web服务发现方法.将具有相同功能属性的Web服务聚合成社区.查询包在社区间漫游,把漫游过的社区和节点存储起来,构成认识列表.认识列表被逐跳更新,并在查询包相遇时相互交换.查询包在匹配度最高的社区被大量复制扩散,据非功能属性选出最优服务,用于Web服务组合.实验结果表明,服务聚合和认识列表及其交换机制,节省了查询包的探测时间,提高了Web服务查找的效率.     

基于自编码器和密度的融合离群点检测算法

针对基于栈式自编码器的离群点(SAE)检测算法和基于密度的离群点(LOF)检测算法检测精度不高的问题,提出了将SAE算法和LOF算法相结合的SAE-LOF算法.该算法的核心是对单独的SAE算法和LOF算法加入"投票"思想,通过神经网络训练权重,计算SAE算法和LOF算法加权投票结果,进而检测离群点.首先,训练并测试SAE,得到SAE的重构误差;其次,通过LOF算法得到局部离群因子;再次,将SAE算法的重构误差和LOF算法的局部离群因子作为新的特征输入到神经网络,进行有监督的训练;最后,将测试集分别经过SAE算法和LOF算法,再输入到神经网络,输出值最高的若干样本被预测为离群点.将SAE-LOF算法与SAE算法、LOF算法、KNN算法、孤立森林算法进行了比较,结果表明:SAE-LOF算法的预测结果具有更高的精度、更低的错误率以及更高的AUC值.该算法显著提高了分类器的性能.     

高压负脉冲球形靶周围碰撞等离子体鞘层时空演化数值解

本文对使用流体动力学碰撞模型研究球形靶等离子体鞘层时空演化的求解过程进行了详细的讨论,利用迎风差分格式求解流体力学方程,将泊松方程线性化后,利用三对角矩阵“追赶”法对其进行求解,使整个计算过程收敛速度较快,提高了整个方程组的求解速度,得到了与解析结果一致的数值计算结果.     

无线移动Ad hoc网络安全匿名路由协议

移动无线AdHoc网络中允许无线移动节点在没有预设网络设施的情况下进行通信。由于节点无线信号覆盖范围的限制两节点的通信通常需要许多中间节点进行转发,导致网络中的恶意节点对数据交换的安全和隐匿造成威胁。加密技术只能对所交换的数据内容进行保护,路由信息将暴露通信节点的身份和通信节点之间的关系。本文针对现有的移动无线AdHoc安全隐匿路由协议进行改进设计,改进后,提高了算法效率,增强了协议的匿名性和安全性。     

QPR-NN:一种结合二次多项式回归与神经网络的推荐算法

针对传统推荐算法不能很好地适应数据高规模及高稀疏性的问题,结合深度学习数据建模的方法,提出了一种结合二次多项式回归与神经网络(QPR-NN)的推荐算法。在对已有特征提取方法缺陷分析的基础上,利用二次多项式回归模型将用户对物品的评分数据进行特征提取及降维,充分挖掘了用户与物品之间的相关性。将特征提取后的数据作为深度学习训练模型的输入,增加输入数据与训练模型之间的匹配度,并将训练得到的模型用于推荐评分预测。在MovieLens与Epinions两组数据集上的实验结果表明:QPR特征提取方法与QPR-NN推荐算法在平分绝对误差与均方根误差评价指标上均优于现有的主流算法,QPR-NN推荐算法可以有效提升推荐准确率。