P2P环境下基于兴趣的分布式信任模型

为解决P2P网络中节点的不合作行为和恶意攻击等问题,提出了一种分布式兴趣信任模型DITM.模型通过划分兴趣域聚集兴趣相似的节点来解决节点间因兴趣不对称难以建立直接信任关系的问题.利用兴趣相似度刻画节点在其偏好领域上的服务行为相似性,并通过兴趣相似度加权域推荐信任度计算域服务信誉.节点在不同域内的服务信誉组成一个服务信誉...     

椭圆域与矩形域的平均弦长

主要利用广义支持函数和凸域内弦的平均长度的一个普遍公式，得到椭圆域内弦的平均长度，并对矩形域内弦的平均长度的极值作了研究，得出当为正方形域时，弦的平均长度最大。     

角域-倒角域傅立叶变换理论研究

针对传统时域傅立叶变换方法的缺点,笔者首次提出了一种从角域到倒角域的傅立叶变换方法,并推导了该变换的理论公式.该变换从角度域来考察信号的信息及其特征,反映了信号的一些空间性质,可以很方便的解决旋转机械的非稳态问题.     

基于迁移的联合矩阵分解的协同过滤算法

早期的协同过滤算法利用矩阵分解来解决数据稀疏问题,但是严重的稀疏问题导致矩阵分解的性能很难满足应用的需求.随后,迁移学习被引入到协同过滤的研究中,它主要利用辅助域和目标域的公共用户的各种信息来解决目标域的数据稀疏问题.虽然通过引入辅助域的信息能够帮助目标域获取更多的知识,但是在公共用户包含的公共商品项目少的情况下,只利用公共用户的浅层特征来度量用户的相似性,不能很好地捕捉用户的潜在特征,相似性度量效果不好.为此,本文提出了一种基于迁移的联合矩阵分解协同过滤模型,以公共用户为锚,将两个领域的用户和商品映射到一个潜在的语义空间.模型通过对两个领域的用户 商品评分矩阵在以公共用户信息作为约束项的情况下,进行联合矩阵分解,在实际基准数据集上的实验结果表明,本文所提出的方法明显优于现有基于相似度计算的迁移学习方法,也证明了模型的有效性.     

一种面向大规模定制的产品族分类方法

产品族是实现大规模定制生产模式的重要支撑技术.产品族中不同产品在功能、物理以及技术特征上的相似性是产品族的重要特征.基于产品在功能域和物理域内的表达和映射关系,提出了一种通过比较产品在功能域的功能需求(FR)以及物理域的设计参数(DP)的相似程度来划分产品族的方法,阐述了应用该方法划分产品族的步骤.最后以一个案例说明了该产品族分类方法的应用.     

基于最优化控制模型的文本主题域划分

提出一种基于最优化控制模型的文本主题域划分方法, 采用主题域内距离、 主题域间距离、 主题域内夹角和主题域间夹角等相关要素, 构建了最优化模型的目标函数, 进而通过对模型求解得到文本主题域的最优划分模式. 该方法为全局最优化方法, 与具体的应用领域无关, 具有较高的普适性. 实验结果表明, 在算法适用性、 F1评价和Window Diff评价上, 该算法均优于其他相关算法.     

一种基于域推荐相似度的P2P信任模型

为了提高P2P系统中资源定位效率并保证资源下载质量,提出了一种基于域推荐相似度的P2P信任模型(DRSTrust).该模型充分考虑了节点兴趣和身份对信任计算的影响,通过划分兴趣域,以解决节点间因兴趣不对称而难以建立直接信任关系的问题.在兴趣域的基础上,根据域推荐相似度加权个体的域推荐度来计算节点的域服务信誉,并利用域服务信誉来刻画节点在特定兴趣域内的服务行为细节.然后,提出了服务相似度的概念,通过使服务行为最为相似的节点成为邻居来激励好节点贡献资源,同时将恶意节点排斥在网络边缘,从而有效提高了P2P系统中节点信任计算准确度.分析及仿真结果表明,在迭代的收敛速度、下载成功率以及模型的安全性等方面,DRSTrust均优于现有的信任模型.     

基于联合对抗训练的鲁棒度量迁移

迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移的源域度量,然后设计了一种通用的深度异质迁移算法来进行高效的迁移学习.值得注意的是,将源域度量以联合对抗学习的方式进行训练,再以深度神经网络的方式将其参数化表示并对其进行迁移.迁移中通过表征模仿的方式来学习源域度量中的知识,这种方式允许源域和目标域中的知识来自于异质域.此外,严格限制目标度量网络的大小,使得目标网络更够进行高效的推理计算.在人脸识别数据集上的实验展现了本方法的有效性.     

状态空间指定圆域特征值配置的分式线性变换方法

研究了线性状态空间系统闭环特征值配置到指定圆域内的问题．通过分式线性变换将指定圆域特征值配置问题转化为普通的闭环稳定控制器设计问题．给出了状态空间中线性系统进行分式线性变换的公式，研究了变换后线性系统的可镇定性、可检测性与原系统的关系等．在此基础上，给出了对变换后系统设计的状态反馈或输出反馈最优控制与原系统的关系．     

富属性异质信息网络的可约束异常检测

针对仅考虑网络结构来对异质信息网络进行异常点发现可能带来的结果失真、难以理解等问题,提出一种富属性异质信息网络的可约束异常检测算法.通过将信息丰富的交互数据建模成富属性异质信息网络,以带属性元路径来指定用户感兴趣的属性和子空间,综合网络结构和属性内容两方面来评估节点的异常度,给出了可约束的异常检测算法框架.在Arxiv真实数据集上进行了实验,以带属性元路径来指定对作者、论文及论文的标题和摘要等方面的约束,对多个查询输出了异常度从高到低的节点列表及约束域异常点集合.结果表明:相比仅考虑网络结构或仅考虑属性内容的基准算法,平均准确率提高12.95%以上.     

域上矩阵空间的保持逆矩阵的函数

矩阵代数上的保持问题,对2011年的一篇论文《保持矩阵一些性质的函数》进行了研究,将不变量设为逆矩阵,使定义在域上的两个互逆的矩阵,经函数后,所得两个新的矩阵仍为互逆矩阵,从而建立了矩阵空间上保持逆矩阵的函数的形式.证明过程中,需要选择个特殊的互逆矩阵,得到函数所需要满足的条件,根据这些条件可推出域上矩阵空间保持逆矩阵的函数即域上的一个单自同态.     

面向多自治域环境的 ICN 缓存策略设计

信息中心网络是下一代网络研究的一个重要组成部分,而缓存作为信息中心网络的核心组成部分在减少网络负载方面得到广泛应用,但现阶段的研究集中于单个自治域内的性能优化,多自治域间的管理与协作方面的研究还不成熟。提出基于域间商业关系的 ICN（information centric networking）缓存策略的设计方案,描述了面向多自治域环境的基于内容提供商、商业关系和二者结合的域间缓存策略及相应的域内缓存决策与替换策略,并进行了形式化表示。     

拟双曲一致域与弱拟对称映射

根据拟双曲一致域和拟对称映射的基本性质,利用拟双曲度量作为研究的重要工具,主要讨论了度量空间中拟双曲一致域的几何性质,同时刻画了拟双曲一致域在弱拟对称映射下仍然是保持不变的.     

状态空间中特征值D域稳定性的结构奇异值判据

状态空间中，状态矩阵Ａ在扰动矩阵影响下，特征值能否保持在一个预先指定的区域Ｄ中，这就是状态空间中的Ｄ域稳定性问题，本文从结构奇异值在状态空间中的对应形式出发，研究了状态空间中的Ｄ域稳定性问题，通过推广Ｓｍａｌｌ－μ定理，建立了状态空间中的Ｄ域稳定性的结构奇异值判据，并给出了算例，最后分析了结构奇异值判据存在的保守性及其可能改善的途径。     

高阶线性微分方程的解在角域内的增长性及Borel方向

主要运用角域上的值分布理论和方法,研究了整系数高阶线性微分方程f(n)+An-1f(n-1)+…+A0f=0的解在角域内的增长性和Borel方向.假定Aj(0≤j≤n-1)满足某些条件,证明了方程的非零解在含有A0的λ(λ>0)级Borel方向的任意角域内的增长级为无穷,且非零解的无穷级Borel方向与A0的λ级Borel方向一致.     

我国省域旅游业综合发展水平空间分异特征研究

采用因子分析、协调性分析和GIS技术对我国省域旅游业发展水平的空间分异特征进行分析后发现,旅游经济指标对旅游业发展水平起到决定性作用.我国省域旅游业综合发展水平在东西方向上呈阶梯状分布,在南北方向上形成三个发展核心;旅游经济发展水平、旅游业规模、旅游业生产效率的空间分异呈现出明显的不一致性,旅游业发展的协调性整体不高;省域旅游业的发展与经济社会发展紧密相关,旅游业发展水平空间分布与经济社会发展水平和人口分布等呈现出一致的分异规律.     

基于特征相关学习的网页信息提取方法

为了给出网页信息提取方法的数学形式化的理论分析,首先用一维空间域的信息函数来表示网页信息,并通过分析网页过滤过程,推导出网页信息过滤定理.然后通过分析网页的相似性,推导并提出一种基于相关过滤的网页特征信息的提取理论.在这个理论基础上,融合基于标识规则和基于内容规则的两种方法,提出一种基于特征相关学习的网页信息提取方法.导出的特征提取理论和实验结果表明这种方法具有较好的准确率.     

采用深度迁移学习与自适应加权的滚动轴承故障诊断

针对滚动轴承目标域数据中额外故障状态样本影响其故障诊断精度的问题，提出了采用深度迁移学习与自适应加权的滚动轴承故障诊断方法。建立特征提取模块，利用深度卷积神经网络将轴承样本映射到高维特征空间；利用迁移学习思想设计加权领域鉴别器，对样本进行自适应加权，并通过在特征空间的对抗训练，增大目标域与源域共有健康状态样本的领域相似性，抑制目标域额外故障状态样本与源域样本的领域相似性增强；依据样本权重，度量目标域与源域样本的相似性，设定阈值将目标域额外故障状态样本标记为未知故障；将源域故障诊断知识迁移到目标域共有健康状态样本的故障识别中。利用齿轮箱轴承数据、凯斯西储大学滚动轴承数据和机车轮对轴承数据对提出的方法进行验证，结果表明：所提方法在3个数据集上均达到89%以上的诊断精度，而对比方法的诊断精度均低于80%。所提方法能够克服额外故障状态样本的影响，有效实现滚动轴承故障诊断。     

分布式环境下的一种基于角色的访问控制模型

为将角色访问控制RBAC应用于分布式环境，本文研究了传统RBAC角色组织结构，在倒转树型角色组织结构的基础上引入域的概念，将分布式系统中各机构封装成域.进而针对分布式系统的特殊性提出原始域和构造域概念，扩展了权限的概念，然后分别提出了域内和域间的访问控制策略.从而实现了RBAC的分散化和分布式管理.     

一种改进支持向量域数据描述方法及其应用

针对支持向量域数据描述中的核参数选择及其决策边界规整问题,提出一种新的改进算法.该算法根据支持向量域数据描述本身的特点,利用非高斯性来测量核空间样本接近球形区域分布的程度,并根据此测量结果来优化核参数.当核参数选定之后,核空间样本可能存在分布不均匀的现象,对此,该算法应用核主元分析来进行规整,即通过尺度变换来调整各主轴的长度,以获得一个更合理的球形分界面.最后通过标准数据集和TEP故障诊断仿真以验证该算法,仿真实验结果表明了该算法的有效性.