基于二分网络社团划分的推荐算法

传统的基于用户的协同过滤(User-based CF)推荐算法的推荐效率随着数据的不断增加而降低.本文在User-based CF算法中引入二分网络社团发现理论,提出一种基于二分网络社团划分的推荐算法(RACD).首先通过用户与项目之间的关系建立用户-项目二分网络,然后通过RACD对该网络进行社团划分,得到用户的社团信息,最后通过同一社团中的其他用户对目标用户进行项目的推荐.在经典网络数据集上的实验结果表明,RACD能够有效提高推荐系统实时推荐效率.     

基于重叠社区发现的社会网络推荐算法研究

协同过滤算法已成为用来为用户提供个性化服务以处理海量信息最常用的方法之一.本文提出一种基于重叠社区发现的社会网络推荐算法,该算法同时考虑了群组用户的兴趣以及他们复杂的内部关系,通过将重叠社区发现算法和基于模型的社会推荐算法进行创新融合,以实现重叠社区的发现、建立,和基于社区的智能推荐.基于开放数据集,本文设计了一系列相关实验以验证算法的有效性和准确性.实验结果表明本文提出的算法可以实现高效且准确的社会网络推荐.     

基于ANN的移动通信网络入侵检测模型研究

为了对移动通信网络中的非法用户进行检测,从移动通信网络的特点入手,通过对用户的行为特征进行分析,将ANN引入到了移动通信网络的入侵检测当中,建立了基于ANN的移动通信网络入侵检测模型。对该系统进行了实现,设计了用户行为特征提取模块和采用BP算法的ANN分析模块。最后对系统的优缺点进行了评判并给出了实验分析结果。从实验结果可以看出,此系统能够很好地解决移动通信网络入侵检测难的问题。     

学术社交网络信息传播特征与规律研究

分析学术社交网络信息传播的特征,构造了一个学术社交网络信息传播模型.然后,通过编程提取了学术社交网络——研究之门网站中的用户数据,构造一个用户关系网络数据集.根据对随机内容的传播情况统计,绘制出信息传播的趋势图,同时还计算了该网络中信息传播的概率,形成了信息在网络中的传播规律.     

机会认知网络中基于社会关系的节点位置预测算法

移动节点位置预测是机会认知网络进行有效数据采集和消息转发的基础,提出了一种基于社会关系的移动节点位置预测算法.该算法基于位置对应用场景进行建模,通过节点的移动规律挖掘节点之间的社会关系.该算法以1阶Markov模型为基础对节点的移动性进行初步预测,然后,利用与其社会关系较强的其他节点位置对该节点的预测结果进行修正.最后,基于UCSD WTD数据集对算法进行仿真实验.结果表明,基于社会关系的移动节点位置预测算法与1阶Markov预测模型相比获得了更好的预测精度,并且算法具有较好的可扩展性.     

基于异质图神经网络的推荐算法研究

基于图神经网络的推荐算法通过从图中获取知识,提高了推荐的可解释性.然而随着推荐系统网络数据规模的不断扩大,用户-项目评分矩阵呈现出稀疏性问题,图神经网络难以学习到高质量的网络节点特征,导致推荐质量下降.本文将图神经网络与异质信息网络相结合,提出一种基于异质图神经网络的推荐算法.该算法使用异质信息网络对多源异质数据进行联合解码,将注意力机制引入用户-项目交互网络和用户社交网络的用户、项目聚合表示过程,从而实现用户-项目交互和用户社交两类网络间的节点及拓扑结构特征的有效融合.两个公开数据集上的对比实验结果表明,本文提出的算法在不断稀疏化的数据集上的推荐误差比基线方法少40％.     

基于移动通讯数据的用户行为可视分析

手机通话记录数据反映了人类的生活行为。基于数量庞大、类型繁多的移动数据,设计了多视图多粒度可视方式,对城市居民消费分布规律、个体活动轨迹、个体紧密社会关系网络进行分析;基于数据的时空属性,关联时空对比可视分析,对个体活动位置、活动范围等进行分析;在此基础上,设计并实现了移动通讯用户行为可视分析系统。结果表明,该系统在用户交互下能有效识别用户活动规律。     

一种利用多群组智慧的协同推荐算法

针对当前基于社会网络的推荐系统大多数采用一般的启发式方法,存在节点复杂路径选择和信任弱传递现象导致推荐精确度不高的问题,以及针对推荐系统固有的冷启动问题,提出了一种利用多群组智慧的协同推荐算法。该算法首先根据用户的社会属性和社会信任关系信息进行群组划分,将用户分为多个不同的群组;然后分析群组中用户的社会活动和社会关系等,建立一种利用多群组的评分预测模型,并利用群组评分预测新用户的评分。该算法通过对社会网络进行深层次的群组挖掘,利用多群组智慧可以有效提高推荐效果,利用群组评分可改善对冷启动用户的推荐。仿真实验表明,该算法相比传统的协同推荐算法在效果评分上提高了约0.2,相比其他社会化推荐算法进一步提高了约0.02,并有效解决了冷启动问题。     

第三代移动通信分层网络中数据用户的自适应分配策略

移动数据业务是未来移动通信业务发展的重点,如何在有限的频率资源上为用户提供大容量和高数据率的数据业务是第三代移动通信需解决的重点问题.针对分层网络结构的特点,建立了相应的系统模型,对基于速率的分配策略(VAS)、基于数据量的分配策略(DAS)、分配策略中的运用准则以及自适应分配策略等进行了深入探讨.为解决移动通信分层网络结构中用户数据流量变化和提高系统负责能力具有重要的实际意义.     

泛在网条件下群组力移动模型的稳定性

群组移动模型是对群组终端在泛在网条件下进行移动性管理的基础。针对泛在网异构性特点,基于Lennard-Jones势能模型,提出了泛在网条件下群组力移动模型,通过引入分子间作用力的概念,对群组内各个终端的运动状态进行描述,较好地刻画了群组的移动特性;同时,通过对该模型进行Lyapunov稳定性分析,得出群组在运动过程中,各个终端运动状态趋于一致,系统趋于稳定。理论证明该模型可为群组终端在泛在网络中移动时,提供一种有效实施移动性管理的方法。     

基于观点传播的改进相似性计算评分预测方法

通过研究网络结构上的观点传播与协同过滤算法,基于对观点传播算法的优化,提出了基于用户相似和物品相似推荐系统评分预测算法.设计的算法修正了现有相似研究中在目标比较相似时,相似性结果为零的问题,将用户(或物品)的相似度定义为用户(或物品)间的观点数目和差异在相应复杂网络中的传播结果,并提出了相应的推荐算法.在MovieLens数据集上的实验结果证明,提出的算法与几种典型的现有方法相比较,具有更高的准确性,并且优于观点传播算法.     

ns2中的基于移动Agent卫星网路由算法仿真

为了解决基于移动Agent的卫星网路由算法的仿真,提出了一种新型的基于ns2的单层卫星网路由算法仿真平台构建方案.详细阐述了ns2中卫星网络星座定义、切换管理、路由模块、通信模块、星间链路、星地链路和移动Agent的设计方案,最后用新的仿真平台实现了基于移动Agent的卫星网路由算法SNRA-MA在Iridium网络模型下的仿真.仿真结果表明:新的仿真平台完全可以满足SNRA-MA算法的仿真,且SNRA-MA算法丢包率低、端到端传输时延满足ITU-T的通信指标.     

基于解码转发的认知无线电机会功率控制算法

频谱感知是认知无线电网络正常工作的基础,而功率控制问题的解决是认知网络和主用户网络正常运行的保证。文中研究协作认知无线电通信,在保证授权用户服务质量和认知用户最大功率受限条件下,将高信噪比时的解码转发(decode-and-forward,DF)和基于频谱感知结果的机会功率控制算法结合,提出新的机会DF功率算法。通过基于对主用户感知结果的最优中继选择策略,在保证主用户正常通信不受影响的前提下,最大程度提高次用户信道信噪比,提高认知网络容量,并且认知系统能够获得空间满分集度。理论和仿真结果同时表明,基于主用户出现概率的最优中继选择最大程度的消除了次用户对主用户的干扰,提高了认知系统容量。     

基于超模博弈的认知无线电频谱分配算法

为实现认知无线电系统吞吐量最大化的目标,以正交频分复用(orthogonal frequency division multiplexing,OFDM)为系统模型,提出了一种基于超模博弈的认知无线电频谱分配算法,该算法通过引入适当的价格函数来评估认知用户对主用户的影响,并以此为根据对认知用户施以一定的价格惩罚,最终达到减少认知用户时主用户干扰的目的.仿真结果表明,该算法最终能够达到收敛,降低了认知用户对主用户的干扰,明显地提高了系统的吞吐量.     

Linux安全用户管理机制的设计与实现

传统Linux本地用户管理中存在一些安全问题,例如由于用户信息管理由应用层实现,导致密码文件/etc/shadow只能由root访问和修改,为了让普通用户能修改自己的密码等需要特权的操作引入set uid/set gid机制,结果 set uid/set gid程序存在缓冲区溢出漏洞使系统遭受严重安全威胁.为此我们设计出一种新的安全用户管理机制,在内核中管理用户信息,通过系统调用提供用户信息访问和身份切换服务,消除set uid/set gid,简化安全设计,提高系统安全.     

校园网流量监测系统的研究与实现

为了便于网络管理、并为网络升级和故障分析提供可靠的依据,基于实时监测网络流量情况构造一个网络流量监测软件系统。该系统采用关系数据库对流量数据进行存储;并利用Jbuilder 2005设计出便捷的用户操作管理界面,实现处理保存流量数据的校园网流量监测。通过在某大学校园网上的示范应用表明,该软件不仅提供图形化的用户接口、将收集的历史数据和实时数据在其中以图形的方式直观地显示出来,还能为用户提供可视化的监控操作与管理、方便用户使用。这种方法简便易行、性能指标较好地满足网络流量实时监测的需求。     

中继下基于特征子矩阵的干扰对齐优化算法

针对MIMO双向中继网络系统中,由于用户对间的数据流具有非对称性,通过研究用户对与中继之间的天线分配关系,提出了一种基于特征子矩阵的干扰对齐优化算法及可行性方案.该算法首先利用特征子矩阵准则,为每个用户设计干扰对齐预编码优化方案,然后基于分布式迭代算法逐一推导出最优的干扰抑制矩阵,以达到在目的用户端消除其他用户干扰的效果.通过仿真结果表明,与传统中继迫零方法相比较,优化算法对系统传输速率有了显著的改善.     

基于Spark的大规模社交网络社区发现原型系统

 为有效发掘大规模社交网络上的用户信息，提高对用户之间关系的深入了解，设计开发了基于Spark的大规模社交网络社区发现原型系统。系统利用ActiveMQ实现对大量用户数据的抓取，使用基于Spark的MLlib提供的朴素贝叶斯算法对用户数据进行清洗，利用Spark的GraphX提供的PageRank算法和MLlib提供的Z-Score算法计算用户排名，最终应用并优化LPA算法，将特征相近、联系较密切的用户快速地划分到同一社区中，为进一步分析利用社区用户数据打下了基础。     

多源头网络用户访问信息自适应识别算法

为了解决传统算法学习规则有效性低、无法保证学习性能、匹配模板不全面、容易出现误识别现象的问题,提出一种改进的反向传播(back propagation,BP)神经网络算法研究多源头网络用户访问信息自适应识别问题。对多源头网络用户访问信息进行数据清洗处理,用多源头网络用户访问矩阵对全部会话集合进行描述;在矩阵中引入网络用户位置信息,将得到的信息保存至数据库,构成信息集。将一段时间内用户访问日志构成用户访问路径数据,依据访问请求抵达顺序,将其保存至相应用户缓冲区。把多源头网络用户访问路径当成隐马尔科夫模型的状态转移序列,将网页中信息集当成状态输出符号集,通过离散隐马尔科夫模型对不同源头网络用户访问信息进行分析,提取其特征。将多源头网络用户访问不同种类信息的概率特征作为输入,建立改进BP神经网络算法,得到的输出结果即为多源头网络用户访问信息自适应识别结果。结果表明:采用的BP神经网络算法学习性能优;所提算法识别准确性高。可见所提算法识别结果可靠。