网络敏感性的主动学习算法研究

提出一种基于Madaline网络敏感性的主动学习算法。首先用部分样本训练Madaline网络,然后以Madaline网络输出对其输入在给定样本点附近变化的敏感性为尺度,主动从未参与训练的样本中挑选敏感性相对大的样本继续进行训练,循环反复这个过程直到满足训练要求为止。实验验证了该主动学习算法处理离散分类问题的有效性和可行性。     

基于主动学习的有监督在线多核学习算法

为了提高大规模数据的分类性能,提出一种基于主动学习的有监督在线多核学习算法SOMK_AL(Supervised online multiple kernel learning algorithm based active learning).首先,采用主动学习的方法缩减数据规模.通过训练生成两个分类器,对读入数据xt进行预测,将两个分类器预测类别不一致的数据作为信息含量高的有标记数据,参与在线学习过程中的核更新;接着,在核集成过程中,通过随机抽样的方法构造核函数集的子集,仅仅在子集中实现核更新,缩减核更新的计算规模.最后,在大规模数据的基准数据集上进行实验,对提出的算法的有效性进行评估,结果表明SOMK_AL能较好地提高数据的分类性能.     

基于主动网络的内容分发网络研究

针对内容分发网络(CDN)中复制服务器的动态部署要求,基于主动网络技术设计了一种主动内容分发网络模型(ACDN).将主动节点部署于客户节点与Web服务器之间,并通过插件来提供主动节点的动态可编程能力,从而使网络能根据Web服务器、网络的运行状态或用户自定义的规则,动态、快速地部署复制服务器.结合遗传算法的单亲交叉算子和单亲变异算子,提出了复制服务器的位置优化算法.按请求频度确定兴趣度,以此保证复制服务器与Web服务器的内容一致性.仿真结果表明,ACDN能满足实际Web应用的响应时间的要求,同时为ACDN所设计的3种算法不仅能满足内容分发的性能要求,还能应用于传统的CDN网络.     

主动网络中的主动包研究

通过对主动网络体系结构的讨论 ,阐述了多种主动包的实现方案 ,并进行了不同环境下的比较分析 .认为采用主动IP选项方案可使得传统网络与主动网络更好地结合 ,从而使主动节点或局部网络更好地融入当前的网络中 ,变被动网络为主动网络     

主动网络的安全性研究

主动网络是将传统网络中“存储-转发”的处理模式改变为“存储-计算-转发”的处理模式．研究分析了主动网络体系模型以及主动网络的安全体系框架．并且研究了针对主动网中的主动节点、主动信包和编程语言三者的安全性防护技术。     

基于主动网络技术的网络管理系统实现研究

主动网络是一种可编程的网络，用户可以对网络进行个性化的编程和设置。在分析传统网络管理模型不足的基础上，提出了一种基于主动网络技术的网络管理系统设计方案，并对主动报文、Active-Agent和主动处理平台的设计进行了讨论，最后给出了一个故障管理的例子。     

基于主动网络技术的在线拍卖

为了解决系统客户／服务器（C／S）结构网络在线拍卖的不足，提出了一种基于主动网络技术的网络在线拍卖结构。在主动节点上安装过滤器，过滤低竞争价格，提高拍卖服务器的处理性能；在重负载的情况下实现了负载动态平衡。服务器以主动信包的形式向主动节点发布最新竞价，减少网络延迟。仿真实验表明：该结构不仅较好地解决了传统网络结构在线拍卖系统的不足，同时在性能方面也有所提高。     

基于主动网络的新型网络管理模式

在介绍主动网络的基础上，阐述了将主动网络中的主动节点、移动代理技术应用于传统网管,并提出基于主动网络平台上的新型网络管理模型。对主动网管的动态MIB、代码移动等关键的实现技术和方法进行了探讨和研究。     

基于主动网络的自适应缓存技术研究

根据主动网络中的任何一个主动节点都可以用于放置缓存及其智能性等特征,提出一种基于主动网络的自适应网络缓存机制．即在自动构建层次拓扑的基础上,采用了缓存摘要技术进行通信协作,通过集中式管理缓存摘要的方法来减少协作通信量;并依照缓存服务器的负载情况进行缓存服务器之间的负载平衡．最后,使用trace—driven模拟方法,以Network Simulator仿真器作为模拟工具,模拟结果显示本文设计的系统与层式结构系统相比有较多优势．     

基于主动网络的自适应缓存技术研究

根据主动网络中的任何一个主动节点都可以用于放置缓存及其智能性等特征,提出一种基于主动网络的自适应网络缓存机制.即在自动构建层次拓扑的基础上,采用了缓存摘要技术进行通信协作,通过集中式管理缓存摘要的方法来减少协作通信量;并依照缓存服务器的负载情况进行缓存服务器之间的负载平衡.最后,使用trace-driven模拟方法,以Network Simulator仿真器作为模拟工具,模拟结果显示本文设计的系统与层式结构系统相比有较多优势.     

前馈网络灵敏度：分析及降低算法

在前馈网络中，不同的权值组合可逼近同一映射。网络的灵敏度取决于权值的变化。文中提出了计算网络灵敏度的方法和一种降低网络灵敏度的学习算法。网络的灵敏度分析包括单输出、多输出及输入变化、权值变化等情况。学习算法是在网络训练过程中加入随机噪声。次种学习算法与传统学习算法相比，可降低网络的灵敏度，但学习收敛速度基本相同。     

基于主动网络技术的网络管理系统实现研究

主动网络是一种可编程的网络,用户可以对网络进行个性化的编程和设置。在分析传统网络管理模型不足的基础上,提出了一种基于主动网络技术的网络管理系统设计方案,并对主动报文、ActiveAgent和主动处理平台的设计进行了讨论,最后给出了一个故障管理的例子。     

基于样本不确定性和代表性相结合的可控主动学习算法研究

通过选取最有信息量的样本提交专家进行标注,主动学习算法可以有效地减少无效标注样本的工作量.在充分考虑位于分类边界的不确定样本和基于先验分布的具有代表性样本的基础上,本文构造了不确定性与代表性相结合的可控主动学习算法.首先利用样本的kNN分布状况建立不确定性置信度模型,该思路不需要知道样本分布的具体类型和参数计算;然后在样本聚集度模型的基础上进行聚类,在此基础上建立代表性置信度模型.最后将不确定性置信度模型与代表性置信度模型进行综合,构造可控的主动学习策略,使得每次主动学习选择的样本更具有"价值".在UCI机器学习数据库上的仿真实验结果表明本文的思路是合理可行的,在实验所用数据集上,当达到相同的目标正确率时,本文的方法比随机采样算法所需的样本数量少得多.     

基于混合神经网络的主动队列管理算法

针对高速互联网中拥塞控制的问题，在主动队列管理算法模型基础上，提出了一种基于混合pi-sigma神经网络的动态管理机制．其模型可以方便地在线修正前提参数（隶属函数）和结论参数，适合网络系统拥塞预测和控制．仿真表明，该算法能够保证缓存器中队列长度的稳定性，而且在网络突发流量较大时，在短时间间隔内可以使流量的抖动变得平缓，对网络动态的、不精确的、突发性的环境具有较强的自适应能力．     

基于移动代理的主动网络管理系统及其实现

文章通过分析移动代理和主动网络两种技术的各自优势,及其在网络管理中的应用,提出了一种基于移动代理的主动网络管理构架;探讨了主动网络管理的关键技术和方法;设计并实现了一个基于SEN-COMM环境下的主动网络管理原型系统。     

基于代价敏感的图分类算法

引入图的误分类代价矩阵,选取以最小误分类代价为目标的加权子图作为图样本的特征属性,建立起图的决策树桩分类器,进行集成学习,得到一个对新图进行分类的判别函数.在生成候选子图时,利用子图的超图增益值具有上界的性质来裁剪增益值比较小的候选子图,从而减少候选子图数量,提高算法效率.实验结果表明,所提算法比其他图分类算法的误分类代价更小.     

基于模糊理论的主动配电网资源集群控制系统设计

现有系统进行主动配电网资源集群控制时,受脉冲宽度调制(pulse width modulation,PWM)波频率的影响而无法进行有效调压,存在主动配电网响应偏差较大的问题,因此设计基于模糊理论的主动配电网资源集群控制系统.系统硬件配置包括集群管理模块、调压模块,集群管理模块由集群管理主站、集群管控装置、高级应用子系统以及数据采集与监视控制(su-pervisory control and data acquisition,SCADA)系统构成,调压模块由调压装置构成.在硬件设计的基础上,通过集群划分实现配电网分区、主导节点选择以及集群资源划分,并通过多目标优化方法对电网资源进行多目标优化,根据优化结果通过主动配电网资源集群控制策略实现主动配电网资源集群控制.实验结果证明,在输出功率为3 000～6000 W范围内,所设计系统的响应偏差较小,且运行效率较高,实现了性能提升.     

基于主动网络的IntServ模型设计

在对服务质量(QOS)和主动网络原理进行分析的基础上,提出了一种新的服务质量体系结构,即基于主动网络的服务质量体系结构,并结合IntServ 服务质量模型,提出了支持RSVP协议动态部署的主动节点模型.     

协同神经网络聚类型学习算法

协同神经网络是一类全新的神经网络 ,它可以根据竞争神经网络的一般原则划分为匹配子网和竞争子网。其中 ,匹配子网的学习是协同神经网络的一个中心问题。改善匹配子网的学习效率有 2种途径 :对伴随向量求解算法的改进和原型向量选取方法的改进。文章浅析了这 2种类型的学习算法 ,着重研究了聚类算法在原型向量选取中的应用 ,并以一组交通标志图像作为识别样本 ,验证了选取原型向量 2种思路的有效性。