基于社团主题的领域相关推荐算法

传统的协同过滤方法假设相似的用户有着相似的偏好,然而在不同的消费领域用户往往表现出不同的特征.此外,由于用户评价矩阵的稀疏性,使得相似用户的寻找极为困难.针对上述问题,该文提出了基于社团主题的领域相关推荐算法.首先,提出了一种包含社会网络,用户对商品的评价记录和项的分类三类信息的推荐框架.然后,分别提出了专家指导的主题模型和社会网络约束的主题模型.最后,对这两种模型进行综合,提出了统一推荐模型.实验表明,该文提出的方法具有较好的预测准确性,其性能明显优于其他相关算法.     

航空发动机多指标模糊信息熵的性能排序研究

依据状态监控信息对民航发动机进行性能排序,可以及时了解发动机性能衰减程度及梯次差异,从而便于制定最优维修计划,达到降低维修费用的目的,因此已成为提高机队管理质量的重要手段.目前航空公司机队管理中对多指标性能排序问题还缺乏科学的方法.该文基于模糊等价聚类和粗糙集理论中的属性信息熵方法,对该类权重信息完全未知的多指标风险决策问题进行理论建模,得到求取各指标综合权重的算法,并举例验证了该算法的客观有效性.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

基于互信息冗余性分析的神经网络风电功率预测

针对神经网络的性能与网络的输入变量和训练样本关系密切的特征,提出基于互信息冗余性分析的神经网络风电功率预测方法,实现通过互信息的相关性排序滤波器来筛选各输入变量与目标变量间的相关性,以获取相关度大的输入变量;再由多变量互信息即交互增益构建冗余滤波器,滤除冗余的相关变量,获得一个最简约的最优输入变量集.两个滤波器的参数由交叉验证算法来获取最优值.以湖南郴州某风场的实测数据为例进行相关实验,结果表明:本方法在减少输入变量情况下,能获得较好的预测性能.     

基于树突网络的侧信道攻击

由于深度学习对数据内在特征的敏感性,将深度学习算法应用于硬件加密芯片的侧信道分析,提高了侧信道分析的效率和准确率.但深度神经网络学习算法依旧是非线性结构未知的深层黑盒模型,模型结构和性能不一定是最优.该文提出一种基于树突网络的侧信道分析方法,由于树突网络内部非线性结构的可解释性,其系统辨识能力和运算复杂度均优于深度学习网络.在ChipWhisperer侧信道分析实验平台的CW308T-STM32F3和ATXMEGA128D4目标板上,针对AES-128加密算法进行侧信道分析实验,实验结果表明,基于树突网络的侧信道分析在模型参数规模、攻击精度、训练时间等方面都要优于多层感知机、卷积神经网络、循环神经网络等深度学习模型.     

基于组合赋权及TOPSIS的隐写分析算法综合评估

分析了隐写分析技术在不同背景下的应用需求,提出了一种基于组合赋权及逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)的隐写分析算法性能评估方法.该方法包含检测率、虚警率、可靠性、检测误差及算法运行速度等5个指标,先用熵权法确定指标权重,再根据层次分析法进行主观赋权,最后用TOPSIS实现对隐写分析算法的综合评估.实验结果表明,该方法可针对不同的性能指标要求选出最优的隐写分析算法,且对隐写分析算法性能的改进具有指导意义.     

基于Markov链模型的集群式数据库数据均衡算法

集群式数据库是目前解决海量数据处理的一种重要方法,但目前的各种数据均衡算法都存在算法复杂、实际应用效果差等缺点.通过Markov模型对实时负载状态的预测,依据综合数据负载指标和数据负载状态预测结果实现集群式数据库数据均衡技术.在对综合数据负载指标设计的过程中,主要选取输入指标和服务器指标,同时引入滑动窗口法对数据负载信息记录进行更新,获取综合数据负载指标,实现集群式数据库的数据均衡.通过实验验证,该算法能有效评估集群式数据库的工作状态,均匀分配数据,使数据均衡,提高运行效率.     

多分类器融合算法研究与应用

分类算法是数据挖掘、机器学习和模式识别中一个重要的研究领域.单一的分类算法一般会得到不同的分类结果,多分类器融合算法可以将各分类器的结果进行集成来提高系统的分类性能.该文提出一种多分类器融合算法进行分类分析,结果证明该算法在解决目标分类中具有优越性.     

CFMoment:挖掘数据流频繁闭项集算法

在数据流上挖掘频繁闭项集是数据挖掘中关联性挖掘的重要研究课题之一.该文提出了一种高效的数据流频繁闭项挖掘算法——CFMoment,通过使用滑动窗口不断维护数据流中的频繁闭项集,可适用于实时性要求较高的多种数据流处理应用环境.该算法利用项目的有效比特序列表示来减少滑动窗口所需的时间和内存,进一步提升了在数据流中挖掘频繁闭项集的效率并有效降低了运行过程中的内存需求.实验表明,该算法不仅获得了高精度的挖掘结果,而且其运算速度明显快于现有的Moment算法,在数据流上挖掘频繁闭项集的内存消耗更少.     

基于无标度性和资源分配的网络链路预测算法

链路预测是指根据网络结构中的已知信息来推测网络产生新链接的可能性．资源分配算法（RA）是一种简单高效的基于网络局部信息的链路预测算法，但RA算法中并未考虑被预测两节点自身的信息．在RA算法基础上考虑被预测节点间的链接偏好（PA），提出基于网络结构的资源分配RSF和RSW算法．在14个实际网络中进行链路预测实验，验证了所给算法的有效性和鲁棒性，并分析了网络结构的无标度性对算法预测性能的影响．     

多视点视频编码中随机访问解码路径的联合计算方法

随机访问性能是评价多视点视频编码预测结构性能的一个重要指标,往往通过计算解码路径的复杂度来衡量. 该文提出一编码端和解码端联合计算的方法,通过对视频序列实际编码情况的统计来更新解码时的参考图像列表,进而获取更准确的参考帧信息. 实验结果表明,所提出的方法能准确地计算出所需的参考帧,且参考帧数量比现有方法更少,能有效提高随机访问性能.     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

基于当前最优解的反向差分进化算法求解函数优化问题

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.     

利用迭代矩阵寻找网络中的关键主机

网络中的关键主机对网络的整体安全性有重大影响,但目前缺少有效方法在网络中寻找关键主机. 该文对网络关键主机进行定义和分类,提出一种关键主机的寻找方法. 将主机攻击图生成算法与迭代矩阵相结合,计算网络中各主机的相关安全属性并排序,使网络安全管理员能方便而有效地找出网络中的3 类关键主机及对应的关 键临界条件,从而采取相应措施保护关键主机. 实验表明该方法可用于网络安全性分析,对提升网络整体安全性有重要意义.     

面向全容量的高性能彩色图像可逆信息隐藏算法

可逆信息隐藏主流算法通常基于经验给出各种固定的边信息(峰值点和零点对)搜索方案用于直方图平移过程,使得算法性能受到较大限制.为进一步提高算法效率,该文给出一种面向全容量(从小容量到大容量)的自适应嵌入方案,根据给定的嵌入容量选择近似最优的边信息.所提出的基于多特征排序的嵌入位置优选策略,能够搜索到更光滑的区域进行信息嵌入,从而提高算法性能;基于给定的嵌入容量,给出了一种基于智能优化算法的自适应边信息优选方案.实验结果表明,该算法可以实现全容量下的信息嵌入,并且获得的算法性能更好.     

放大转发协作通信中继位置对SER性能的影响

针对放大转发协作网络多跳中继节点位置对系统性能的影响,分析了端到端链路的误码率. 根据误码率并通过设定不同节点间距离来确定最优中继位置. 针对多跳中继网络,提出了基于信道状态信息的节点选择算法,在不同的选取准则下以最小值最大化为目标. 为了考虑中继位置,进而提出基于节点位置信息的中继节点选择算法,确保选择一个最低误码率的节点为协作节点. 仿真结果表明,多跳中继最优位置处于源节点和目的节点的中点处. 与已有放大转发模式下的单跳中继相比,多跳中继在系统具有较低的总传输功率时具有更好的性能.     

家庭基站网络分布式资源分配算法

针对具有自组织特性的家庭基站(home eNodeB, HeNB) 网络,提出了一种分布式资源分配算法. 该方法首先使HeNB 根据网络状况选择分量载波,而当接收到邻小区的重选请求时,可以重新选择备用载波列表中的载波,释放当前使用的载波给邻居使用,从而提高HeNB 获得可行载波的可能性. 使HeNB 根据优化目标函数自主地进行功率优化,以减少小区间干扰并提高系统容量. 通过蒙特卡罗方法分析该算法的性能,仿真结果表明：该资源分配算法能够提高用户的平均吞吐量并降低中断概率.     

认知网络中无线电信号智能感知方法研究

无线电信号在噪声波动情形下的检测性能有待提高.该文提出了认知用户根据无线电环境变化自动调整检测阈值的感知方法.融合中心应用坐标搜索算法为认知用户提供最优控制参数,认知用户依据最优参数设定检测阈值,并自主学习特定无线电环境下的最佳阈值.此外,该算法充分考虑了各认知用户的个体特征及其感知贡献,并提出了一种基于能量值的加权算法体现用户特征.实验结果说明该算法对噪声波动具有卓越的鲁棒性,在信噪比低于-15 dB时的检测概率远高于传统方法.     

实现节点负载均衡的无线传感网能量高效分簇方法

分析了分簇无线传感网中的负载不均衡问题,提出了一种实现节点负载均衡的无线传感网能量高效分簇算法. 根据网络模型计算出最优网络分簇数量,通过调整节点的通信半径来控制网络分簇的大小,以分布式周期性迭代的方法竞争选举簇头,形成合理的网络拓扑结构. 不同网络条件下的仿真实验证明,该算法能有效地均衡网络节点负载,从而降低节点能耗,延长网络生存时间,其性能优于典型的无线传感网分簇算法LEACH和HEED.     

OFDM系统的时频同步优化

研究了多径衰落信道下OFDM系统的时频同步算法,分析了传统算法定时不准确的原因,提出了一种优化方法,并基于一个对称PN序列来完成时频同步. 通过寻找滑动相关求和值的第1个下降沿完成定时同步,给出了使用滑动求和值搜索窗口大小的选取方法,同时在频率同步中引入修正相关计算的概念. 仿真结果证明了该
算法在多径信道,特别是第1径不是最强径情况下的稳定性和优越性。