社会化P2P网络中恶意行为预防机制

在分布式信誉网络测试环境ResourceDog的基础上,引入平衡用户投票的纠偏算法和用户投票行为特征提取算法,拟解决分布式社会化网络中由个人偏好引起的评价偏差、伪装并在特定时期连续做恶、大量用户协同共谋攻击特定资源等问题.实验表明:引入的相关算法进一步规范了社会化网络中用户投票行为,并能够为异常的用户行为或资源结点进行预警,控制网络中的恶意或滥用行为.     

社交网络中基于用户投票的推荐机制

为了改善目前社交网络中热点信息推荐与个性化好友推荐的不足,提出基于用户投票的推荐机制.首先,根据众多用户对某条信息的投票情况评估信息的热度与价值,将用户对信息的浏览、评论、转发等操作以及时间因素与用户主动性投票相结合,提出基于用户投票的热点信息推荐算法.然后,根据某个用户对众多信息的投票情况评估用户的兴趣,从用户对网络信息的投票以及浏览情况中提取出用户的兴趣度特征,进而提出基于用户投票的个性化好友推荐算法.最后,针对2个算法进行仿真实验,评估各因素对推荐算法的影响和推荐的有效性.实验结果表明,基于用户投票的推荐机制可以有效地进行热点信息与个性化好友的推荐.     

基于委员会投票选择方法的主动学习的研究

讨论了利用QBC(委员会投票选择)的主动学习方法来学习贝叶斯网络分类器,通过对基于投票熵和基于KL-divergence的QBC算法的研究,指出了两者存在的缺陷;同时提出了基于投票熵与类条件后验最大熵相结合的QBC算法。实验证明,该算法提高了分类器的精度,并使用了较少的训练样本,这有效解决了大数据量训练样本获得困难的情况下分类器建模问题。     

广义Hough变换算法的分析改进

为了改进广义Hough(generalized Hough transform,GHT)变换的虚假投票问题,先分析广义Hough变换的投票机制,给出理想的投票机制模型,用该模型对现有的传统GHT的投票机制进行了评价,指出在检测不规则多边形图形时产生虚假投票的原因,即由于建立参考表R是以梯度为索引项,使得在不同梯度值间的条目数分布不均,在向参数空间映射时会造成大量的投票冗余.针对此分析结果提出一个改进的GHT算法.改进的GHT算法在建立参考表时采用了几何特征角来代替梯度,使得建立的R表中各梯度索引项的条目数分布更均匀,减少了参数空间的投票冗余,提高了算法的效率.实验证明该改进方法是有效的.     

一种基于BP-bagging的手写体数字识别算法

基于BP-bagging的手写体数字识别算法,以BP网络做基本分类器,用Bagging产生多个基本分类器,把每一个手写体数字作为一幅图像,通过扫描提取25维特征,并投影压缩生成5维特征向量,并输入到BP-bagging分类器,用简单多数投票法进行集成,实现手写体数字的分类识别.经反复的实验证明,该手写体数字识别算法具有...     

基于CNN和Bagging集成的交通标志识别

针对直接集成简单分类器对交通标志数据库进行识别出现的类别预测效果较差的问题,提出一种基于卷积神经网络(CNN)和Bagging集成学习的交通标志识别算法,采用爬虫和图像增强技术实现交通标志数据集的扩充,以CNN网络提取交通标志图像的特征,通过采用最大池化层实现图像数据下采样,采用较浅的网络深度以简化整体网络结构。在CNN网络特征提取的基础上,利用软投票机制对多项Logistic、K近邻、SVM个体学习器进行集成,实现较准确的交通标志识别。实验结果表明,该算法在TSRD交通标志识别数据库测试集上的识别准确率达到了93.00%,相对于未改进的卷积神经网络模型识别准确率提高了11.99个百分点,并较高于通过VGG16和ResNet50迁移学习实现的识别准确率,具有较快的收敛速度。     

运载火箭测发网络异常流量识别技术

运载火箭测发网络系统是维系运载火箭各系统远距离测试发射控制的重要国防信息基础设施,测发网络流量数据的精准分析是检测异常行为和保障信息安全的关键举措。该文综合利用端口映射识别、载荷特征识别、统计分析和支持向量机(SVM)学习算法,构建动态混合识别策略,通过端口映射和载荷特征识别获取机器学习训练样本,利用信息增益完成特征选择,构建SVM机器学习识别模型并进行样本训练,建立投票机制实现流量数据综合分析。利用测发网络真实数据进行测试表明:该算法识别准确度达99.1%,并有效地降低了人工判决分析的次数。     

基于ICMP的网络性能故障分析模型

目的改进网络性能故障算法。方法在分析ICMP聚类算法的基础上,针对存在的问题进行了改进,并深入阐述分析了改进算法的设计实现过程。结果实现了网络性能故障模型算法的改进。结论改进算法实现简单,且正确率较高,能够在基于SNMP协议的网络中随意使用,并且占有极少的网络资源,具有很好的可行性。     

基于相似度投票的社区划分改进算法

为快速、 准确地对日益复杂的大规模社会网络进行社区划分, 提出一种基于相似度投票的改进算法替代Louvain算法的底层划分, 解决了Louvain算法在底层划分收敛速度较慢, 并出现大量重复计算的缺点, 使社区划分更迅速. 由真实社会网络数据实验结果可见, 与Louvain算法相比, 改进算法在保持模块度基本不变的情况下, 效率显著提高, 划分的社区数更少、 社区结构更紧凑.     

一种新的软聚类投票法及其并行化实现

聚类集成作为数据挖掘的重要应用工具,得到了广泛的认可和研究.本文在投票法的基础上提出一种新的软聚类投票(VMSC)算法.算法首先求取平均隶属度矩阵,然后进行迭代优化.该算法能够消除噪声点影响,具有很好的稳定性.Spark云计算平台能够高效处理大数据.为了提出的算法处理大数据,在Spark云计算平台上实现并行的VMSC算法.VMSC算法实验用12组UCI数据集进行验证,并与sCSPA、sMCLAs HGBF及SVCE等软聚类算法进行对比.结果表明,VMSC算法对软聚类算法具有较好的集成效果.在Spark云计算平台上对VMSC算法并行实现.实验表明,该算法具有较理想的并行效果,能够有效处理大数据.     

基于自检测的多数一致表决算法

为了解决多数一致表决算法在不一致情况下没有输出的问题和更好地应对瞬时错误,设计了一种基于自检测的多数一致表决算法。该算法通过分散于任务代码中的检测代码实时地收集瞬时错误信息,作为表决的辅助信息。设计了一个能收集内存(RAM)和算术逻辑单元(ALU)错误信息的检测序列,构造了一个简单的代码解释器,从机理上仿真了检测密度、错误持续时间、单个模块可靠性等因素对该表决算法的影响。结果表明,最好的情况下,该算法正确性比扩展的基于历史信息的多数一致算法、多数一致中值法分别提高3%和15%。     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

用于BP网络的样本添加法

提出了一种改善ＢＰ网络学习能力的样尊添加法，它是根据人类学习知识时存在遗忘现象而设计的。首先阐明其工作原理与学习算法；接着将它用于ＢＰ网络之中，以处理三倍冗 表决问题。     

基于ZigBee的无线投票系统设计

采用TI设计的高速ZigBee SoC芯片-CC2430,结合ZigBee协议栈,设计了一个基于国际无线通信标准的无线投票系统,它能够在一个空间内快速地建立无线投票网络,支持多节点自由地接入或离开,并且能阻止非法身份节点的进入。系统把路由节点和终端节点设置成通用的投票节点,通过ZigBee网络将这些数据发送到ZigBee网关,网关通过串口与上位机进行通信,并用LabView编写了数据统计界面。测试结果表明,该系统由于采用自组织、自愈合的无线网络,因此性能可靠、方便实用,尤其对于没有有线投票系统的会议室。该系统针对实验教学改革,适用于开展大学生课外科技活动、拓展实践能力。     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

基于多分类器结合的IKONOS影像城市植被类型识别

采用多分类器结合的方法对城市植被进行分类.首先,以分割获得的城市植被分布斑块为处理基元,在不同特征空间中采集不同的样本,通过ISODATA、马氏距离、最大似然、人工神经网络和专家系统法进行分类,并计算各分类结果的关联程度和各植被类型识别的先验概率;然后利用专家投票的大多数规则对分类结果组合,未分类的对象按照先验识别概率最高的结果归类.精度评价表明:多分类器结合方法显著提高了信息识别的能力;采用多分类器结合的方法比单个分类器获得的最高分类精度提高5.5%,Kappa系数提高7.4%;Z统计值均为负,且均通过95%的置信水平检验.     

一个基于Schnorr算法的保密投票方案

根据Schnorr算法提出了一种电子投票方案．该方案的特点是：投票不可抵赖；投票不可伪造；私钥由投票人本人自行保管；投票人的态度保密，即投票主持人只知道电子选票中的赞成、反对或弃权的票数，但不知道各投票人的态度．因此适合于一个组织的最终决策方案．     

基于SVM的表面肌电信号动作模式识别*

为更好地将表面肌电信号应用于智能轮椅的人机接口,提出了一种基于SVM的表面肌电信号动作模式的识别算法。采用一对一的方式构造SVM多值分类器,按照投票原则确定测试样本的类别归属,并与动作模式识别的核fisher算法和RBF神经网络算法进行了对比分析。实验结果表明,支持向量机(SVM)算法识别率更高,可以取得理想的学习效果和泛化性能,很好地解决小样本、非线性及局部极小值问题。