基于局部紧耦合结构的模块性优化社区检测方法

利用局部紧耦合结构提升社区检测的模块性优化质量.首先,定义了4类边缘紧耦合结构,并提出了一种具有线性复杂度的边缘紧耦合结构挖掘算法.其次,分别选择k-clique,k-clan,k-plex结构作为核心紧耦合结构,并以长结构优先和短结构优先2种策略将边缘与核心紧耦合结构合并.然后,将合并后的局部紧耦合结构融入模块性优化过程,提出了一种NFN算法.该算法将每个局部紧耦合结构初始化为独立社区,不断凝聚模块性增量最大的2个社区,直至找到预定义数量的社区.6个真实数据集上针对外部指标和内部指标的实验结果均表明,相比于传统的FN算法,NFN算法能发现更高质量的社区.在参数设置方面,长结构优先策略优于短结构优先策略,且采用k-clique结构作为核心紧耦合结构优于采用其他结构.因此,长结构优先策略结合k-clique成为NFN算法的最佳参数组合.     

推荐系统托攻击模型与检测技术

针对协同过滤根据近邻偏好产生推荐的特点,恶意用户注入伪造用户模型成为正常用户近邻,推进或打压目标项目的推荐排名,从而达到改变推荐系统结果,这种攻击方法称为"托攻击".本文综述了托攻击模型与检测技术的研究现状和面临的主要问题,试图为这一新兴的研究领域勾勒出较为全面清晰的概貌.从推荐系统机理入手,介绍托攻击产生动机、概念、目的、评分向量构成和模型分类,然后提出衡量托攻击对推荐系统危害性的两类指标;接着讨论区分正常用户和托攻击用户的特征指标;然后以机器学习角度分类为主线,综述3类托攻击检测算法,分析3类算法的利与弊,并介绍用于评估托攻击检测算法的数据集、指标和实验方法;最后指出进一步的研究方向.     

网格QoS层次结构模型的研究

基于网格QoS参数特性,在虚拟层将网格QoS参数分成逻辑资源类、系统类、安全类、信任类和记账类5种类型;根据不同对象在QoS描述的不同需要,构建了网格层次结构模型.本研究对提高网格资源利用及服务成功率有重要意义.     

网格QoS的测量及基于QoS的调度

对网格QoS,QoS参数间的关系及基于QoS网格资源调度问题进行了研究.将网格QoS分为三层,对其中承上启下的虚拟组织层QoS参数进行了新的分类,并对层次之间QoS参数的映射转换过程进行了分析;在虚拟组织层QoS分类的基础上,提出了测量网格QoS的高效机制;将网格QoS的分层和测量运用到网格资源调度算法中,改进了现有的Min-Min算法,并进行了仿真实验.实验结果表明,基于QoS的网格资源管理可以有效提高网格资源的利用率和服务请求的成功率.