安全多数据库系统实体认证

多数据库系统在运行过程中,从用户认证信息、会话密钥到大量的查询结果等敏感信息都要通过公共计算机网络在广泛分布的各计算实体间传输.因此,安全问题显得尤为重要,其中实体认证、报文认证是两个主要安全问题.本文从典型的分布式系统认证协议-Kerberos入手,结合多数据库系统的特点,在局部信任全局的前提下,按全局层间接认证局部系统用户的方案,提出了多数据库系统的认证体系结构.并给出了可能的实施方案.     

多用户MIMO有限反馈系统用户选择方案研究

在多用户多输入多输出（MU-MIMO）下行链路系统中,通过合理的用户选择可以提高系统的空间分集增益。大多数目前的研究中,往往假设基站完全已知每个用户的信道状态信息（CSI）,不适用于有限反馈系统。此外,目前的用户选择算法很少考虑用户的公平性。为了有效地解决这两个问题,本篇文章采用LTE码本作为本地码本,提出了有限反馈系统下考虑公平性的用户选择方案。并且深入的分析了反馈比特数和用户数对公平性和系统和容量的影响。仿真结果显示,当用户数目较少时可以用更少的反馈比特来获取公平性和带宽利用率,当用户数目较大时可以用更多的反馈比特数获取更高的系统和容量。     

基于内容和最近邻算法的多臂老虎机推荐算法

本文提出一种基于内容和最近邻（k-近邻）的多臂老虎机推荐算法:把推荐问题转化成多臂老虎机问题,把冷启动问题转化成EE（explore exploit）问题;通过观察用户特征,以用户特征为内容,计算用户之间的相似度并得出用户的最近邻;最近邻用户基于内容对推荐池物品进行预期评价,根据用户最近邻的预期评价情况,选择综合最优的物品推荐给用户. 并通过采用来自Movielens和Jester的真实数据集进行实验,实验结果表明:结合内容和最近邻算法的推荐算法更优且更具实用性,尤其在解决冷启动问题上效果显著.     

An optimization approach to the similarity criteria of flows and its application

In the present paper, we propose an optimization approach to investigate the similarity criteria of complex flows. With this approach, we may identify the dominant dimensionless variables governing complex flows by numerical sensitivity analysis. Firstly, we define the sensitivity factor and examine its dependence on the dimensionless variables. Then, we apply this approach to study the similarity criteria of porous media flow in a presumed oil reservoir. The similarity principle obtained from the numerical sensitivity analysis is in agreement with the theoretical law, thus demonstrating the feasibility of the proposed optimization approach. Further explanation is given by analyzing the deviation of pressure distribution in a model from its prototype. In addition, we examine the effects of flow parameter variation on the sensitivity factors and find that the dominant dimensionless variables may change from different sets of parameters.     

A Bayesian Recommender Model for User Rating and Review Profiling

Intuitively, not only do ratings include abundant information for learning user preferences, but also reviews accompanied by ratings. However, most existing recommender systems take rating scores for granted and discard the wealth of information in accompanying reviews. In this paper, in order to exploit user profiles' information embedded in both ratings and reviews exhaustively, we propose a Bayesian model that links a traditional Collaborative Filtering(CF) technique with a topic model seamlessly. By employing a topic model with the review text and aligning user review topics with "user attitudes"(i.e., abstract rating patterns) over the same distribution, our method achieves greater accuracy than the traditional approach on the rating prediction task. Moreover, with review text information involved, latent user rating attitudes are interpretable and "cold-start" problem can be alleviated.This property qualifies our method for serving as a "recommender" task with very sparse datasets. Furthermore,unlike most related works, we treat each review as a document, not all reviews of each user or item together as one document, to fully exploit the reviews' information. Experimental results on 25 real-world datasets demonstrate the superiority of our model over state-of-the-art methods.     

基于特征和关联关系的社交平台欺诈检测

各个社交平台的作弊问题日趋严重,欺诈检测工作越来越有必要.现有在该场景的解决办法没有同时利用用户特征和关联关系两方面重要信息或者不能应用于现实上亿规模的数据量.针对这个问题,开创性地将GraphSAGE算法应用于社交平台的反作弊场景并进行改进,提出带权采样GraphSAGE算法.改进后算法根据节点之间特征相似程度进行采样.在真实大数据集上进行了实验,线下实验中,相较于基准模型和现有主流模型,性能上有了较明显的提升,且加快了模型的收敛过程.在线上结合基础规则,达到了极高的精确率,并召回之前未察觉的两个作弊团伙.     

融合图卷积神经网络的文本情感分类

文档级别情感分类旨在预测用户对评论文本的情感极性标签。最近研究发现,利用用户和产品信息能有效地提升情感分类性能,然而,现有大多数研究只关注用户与评论、产品与评论的信息,忽略了用户与用户、产品与产品之间的内在关联,因此,本文提出一种融合图卷积神经网络的文本情感分类模型。首先,根据数据集构建了用户与用户关系图、用户与产品关系图;然后,融合两种关系图形成异质图,并使用图卷积神经网络学习用户与用户、产品与产品之间的内在联系,获得更好的用户和产品表示;最后,使用融合CNN的用户注意力和产品注意力机制的分层网络进行情感分类。实验结果表明,在公开数据集IMDB、Yelp2013和Yelp2014上,本文提出的模型能取得较好的分类效果。     

基于角色的访问控制模型在校园绿化与卫生管理系统中的应用

基于角色的访问控制模型（RBAC）是权限控制中被广泛使用的方法。它的基本思想是：在权限控制的过程中,引入角色的概念,通过给用户赋予角色,再建立角色和权限之间的关联,从而实现了灵活的权限控制。本文研究了权限控制技术在校园绿化与卫生管理系统中的应用。引入了基于角色的访问控制技术,研究了其应用模型以及该模型在系统中的具体应用,并在此基础上建立了一套完善的用户访问控制机制。     

异构网络垂直切换性能参数分析及算法研究

以蜂窝网与无线局域网(WLAN)融合为例,研究异构网络之间的垂直切换算法.对影响切换算法性能的各网络端及用户端参数进行了分析研究,包括参数的定义、在不同接入网中的取值范围、参数之间的关系及参数的归一化等.针对参数对切换算法及系统性能的影响,进行了参数分类,将参数分为切换先决条件、切换判决条件及切换辅助条件,并根据参数分类提出了新的垂直切换算法.该算法采用可变权值,即算法中各性能参数的权值依据用户业务特性,移动模型及用户对各网络的喜好等因素进行动态调整.与目前固定权值的垂直切换算法相比.提出的算法考虑了不同用户特性及QoS需求,可提高用户满意度及网络整体性能.     

基于关系图邻接矩阵逼近的推荐系统

在基于关系图约束的推荐方法中,引入用户图(项目图)约束的目的是保持原始的高维用户表征空间(高维项目表征空间)与低维的隐性用户表征空间(隐性项目表征空间)之间用户关系(项目关系)的一致性.不同于传统的基于关系图Laplacian矩阵的一致性约束,本文提出一种基于关系图邻接矩阵逼近的推荐模型,从相似性空间一致性角度进行约束,在保持高维表征空间与低维隐性空间的一致性关系的同时,可以一定程度上避免局部过拟合问题.在EachMovie与MovieLens数据集上的实验结果验证了本文算法的有效性.     

融合标签局部相关性的标签分布学习

提出了一种融合标签局部相关性的标签分布学习(label distribution learning, LDL)算法,该算法分为3个阶段。初始预测阶段构建多层神经网络模型,将样本的原始特征作为输入、初始预测的标签分布作为输出;局部矫正阶段首先利用k-means聚类算法获得不同类所描述的局部信息,然后针对不同类计算对应的协方差矩阵,利用该矩阵来矫正初始预测的标签分布,获得每个类对应的矫正标签分布;标签融合阶段对矫正后的标签分布进行加权,再与初始预测的标签分布进行融合,得到最终的预测分布。在8个公开数据集上与9种常用的LDL算法进行对比实验,结果表明本文的算法能较好地描述标签局部相关性,在多个主流评估指标上排名靠前。     

结构可靠性灵敏度因子计算的一种方法

在分析传统的灵敏度因子计算方法的基础上,提出了一种新的灵敏度因子计算方法。它解决了传统定义中难于处理的确定性设计变量与随机变量混合和多模态失效问题分析,不仅适合于只有随机变量和只有确定性变量的情况,也适合于它们的混合情况。对典型实例的计算分析表明,新方法更能反映各因素对结构失效的影响,具有较大的理论和实践意义。     

用户特征的混合Top-N推荐方法

为解决协同过滤方法中面向新用户的冷启动问题,提出基于用户特征的混合Top-N推荐方法.通过对用户特征的聚类分析,获得特征相似用户集,根据目标新用户与不同用户集的距离、用户集对不同项目的评分来预测新用户对项目的评分,并结合传统协同过滤方法进行推荐,最后采用命中率来评价推荐的准确度.实验结果表明,该方法针对新用户有较好的推荐精度.     

Providing Location-Aware Location Privacy Protection for Mobile Location-Based Services

Location privacy has been a serious concern for mobile users who use location-based services provided by third-party providers via mobile networks. Recently, there have been tremendous efforts on developing new anonymity or obfuscation techniques to protect location privacy of mobile users. Though effective in certain scenarios, these existing techniques usually assume that a user has a constant privacy requirement along spatial and/or temporal dimensions, which may be not true in real-life scenarios. In this paper, we introduce a new location privacy problem: Location-aware Location Privacy Protection(L2P2) problem, where users can define dynamic and diverse privacy requirements for different locations. The goal of the L2P2 problem is to find the smallest cloaking area for each location request so that diverse privacy requirements over spatial and/or temporal dimensions are satisfied for each user. In this paper, we formalize two versions of the L2P2 problem, and propose several efficient heuristics to provide such location-aware location privacy protection for mobile users. Through extensive simulations over large synthetic and real-life datasets, we confirm the effectiveness and efficiency of the proposed L2P2 algorithms.     

多回路不同采样周期的离散系统的稳定性分析

在计算机控制系统中,多回路不同采样周期的系统是经常遇到的。对于这种系统,不能按离散系统的一般方法来分析。通常是采用这样的分析方法:通过联系两个不同采样周期的控制回路的零阶保持器,把两个回路的时间序列联系起来,以便消去其中一个整数变量,得到两个回路统一的差分方程,然后进行系统的稳定性分析。对于多回路的系统,也可用同样的方法进行处理。这种分析方法是可行的,但比较麻烦。特别是当回路数较多时,采用这种分析方法就相当费事了。本文介绍另一种分析多回路不同采样周期的系统的方法。其基本思想是,利用两个回路的Z变换算子的关系,消去其中一个算子,得到只包含一个算子的系统的闭环Z传递函数,并导出其状态方程,然后进行系统的稳定性分析。这种方法分析简单,容易掌握,而且具有普遍性。因此,它是分析计算机控制系统动态特性的一种较好的方法。     

支持大规模地震探测数据快速可视化的云端数据缓存技术

首先, 基于云计算应用模式, 提出一种能有效利用云存储架构的双层缓存技术. 通过在客户端和服务器端建立分布式缓存, 能有效避免用户频繁访问远端数据, 为用户构建轻量级的客户端, 解决了目前地学数据可视化软件大量占用用户本地存储容量的问题. 同时服务器端也避免了多次访问云存储文件系统, 减少了大量的数据检索与加载时间. 其次, 提出一种ARLS(association rule last successor)访问预测算法, 根据用户的历史访问记录, 利用关联规则挖掘用户的访问模式, 对其访问行为进行预测, 进而提前加载数据, 提高缓存命中率, 解决了用户在可视化过程中不断移动兴趣区域, 频繁更换渲染数据的问题, 能有效应对用户具有多种访问模式的情况, 提高了预测准确率. 实验结果表明, 该云存储架构显著减少了本地资源消耗, 访问预测算法的准确率在最差情形下可达47.59%, 平均准确率达91.3%, 分布式缓存的平均缓存命中率达95.61%, 可有效支持云端大规模地震数据的快速可视化.     

群智创新社区领先用户识别方法与应用研究

领先用户的需求能够反映出市场和技术的发展趋势,准确地识别领先用户并对其领先性进行排名,对企业开展开放式创新和提升创新绩效意义重大.本研究根据创新社区中用户的特征,从活跃性、创新性、共享性和影响力4个维度构建领先用户识别指标体系,在此基础上提出了基于凝聚层次聚类算法的领先用户识别方法,然后通过灰色关联分析方法计算用户领先性以实现用户排名.对以华为产品定义社区的实例进行实例分析的结果表明:本文提出的领先用户识别方法可以准确地识别出创新社区中的领先用户,并反映出领先用户之间的差异.此研究结果可为企业识别和筛选领先用户提供参考.     

POI Neural-Rec Model via Graph Embedding Representation

With the booming of the Internet of Things(Io T) and the speedy advancement of Location-Based Social Networks(LBSNs), Point-Of-Interest(POI) recommendation has become a vital strategy for supporting people's ability to mine their POIs. However, classical recommendation models, such as collaborative filtering, are not effective for structuring POI recommendations due to the sparseness of user check-ins. Furthermore, LBSN recommendations are distinct from other recommendation scenarios. With respect to user data, a user's check-in record sequence requires rich social and geographic information. In this paper, we propose two different neural-network models,structural deep network Graph embedding Neural-network Recommendation system(SG-Neu Rec) and Deepwalk on Graph Neural-network Recommendation system(DG-Neu Rec) to improve POI recommendation. combined with embedding representation from social and geographical graph information(called SG-Neu Rec and DG-Neu Rec).Our model naturally combines the embedding representations of social and geographical graph information with user-POI interaction representation and captures the potential user-POI interactions under the framework of the neural network. Finally, we compare the performances of these two models and analyze the reasons for their differences. Results from comprehensive experiments on two real LBSNs datasets indicate the effective performance of our model.     

基于网格的景区推荐系统设计与算法研究

提出了1个基于网格的景区推荐系统,该系统充分考虑了上下文因素,只要用户拥有1个智能手机或其他移动设备,有无线网络接入,就能够保证该系统能够在移动计算的环境中按照合适的时间和地点为用户提供合适的景区,最后将该系统同现有的集中式推荐系统的性能进行了对比.     

基于系统动力学的石油勘探开发投入产出规律研究

针对现阶段石油资源的约束性以及增储上产形势的紧迫需要,选取石油价格、采收率和每万t探明石油地质储量需直接投资3项不确定因素进行灵敏度分析,得出不同变量对投入产出指标的敏感性大小.据此总结石油勘探开发投入产出规律,以便于企业在实际操作中科学合理的运用,保证油田投入产出的稳步发展.