大规模并行网络动态演化特征挖掘技术研究

传统技术无法适应动态变化的网络演化特征,容易引入很多无关节点连接信息,合理设定参数非常困难,导致动态演化特征挖掘结果不可靠。为此提出一种新的大规模并行网络动态演化特征挖掘技术。在建立的大规模并行网络中,把网络节点划分成普通节点和簇头节点,普通节点加入大规模并行网络后,被看作簇头节点,只和某个簇头构建链路,通过多跳实现数据转发,依据择优添加连接和反择优过滤节点演化。针对大规模并行网络动态演化特征,提出挖掘模型,通过初始权重对节点在网络中的初始化状态进行描述,利用突发权重,依据时间独立性对动态演化特征的突发性进行描述,采用密集权重对网络在局部时间内节点连接的密集程度进行描述,通过连续权重对网络在相同演化期间体现的连续性进行描述,依据总权重值实现动态演化特征的挖掘。实验结果表明,所提技术挖掘可靠性和实用性强。     

大规模并行处理机的互连网络初探

介绍了互宫网络在大规模并行处理机中的重要地位，发展特点，分析了各种互连网络的性能，最后提出了互连网络有待开发的问题。     

大规模并行处理机的互连网络初探

介绍了互连网络在大规模并行处理机中的重要地位、发展特点 ,分析了各种互连网络的性能 ,最后提出了互连网络有待开发的问题 .     

大规模并行分布式P2P算法模拟器设计与实现

为精确地分析和评估对等（P2P）算法的性能,在并行分布式网络模拟器的基础上,设计并实现数据包级的通用可扩展P2P算法模拟器．该模拟器可实现达万级节点的大规模P2P算法仿真．模拟器采用分层框架结构,包括P2P用户模拟层、P2P算法模拟层、P2P传输模拟层和并行分布式连接层,并完成对传输层UDP和TCP套接字扩展、改进,将P2P应用层算法控制消息解析与网络层数据分片传输相结合,支持大规模P2P实时和非实时算法．结合BitTorrent阐明本模拟器的设计与实现,达到万级节点的模拟实验结果验证本模拟器的正确性和有效性．     

并行化网络监听数据采集模型

提出了并行化的网络监听数据采集模型,对代理管辖网络设置多个监视代理,负责对网络流量进行监听,监视代理后连接一个管理代理,负责将多个监视代理过滤处理的数据汇总,完成与其他代理的通信,以及监视代理故障后的管理工作,设计了合适的包括选择算法,该处在保持网络链接属性的前提下,通过对数据包关键域的散列运算,在各个代理间均衡流量,并结合并行代理技术,实现了网络监听数据采集的高速性和可行性,理论分析和实验结果表明,该并行策略对高速网络环境下的采集性能具有很好的加速效果。     

大规模网络的三角形模体社区发现模型

研究表明将边表示的网络转换为三角形模体表示形式,可以有效解决基于模型社区发现方法由网络规模庞大带来的计算瓶颈问题.提出一个三角形模体社区发现模型MCDTM(a Model for Community Detection based on Triangular Motifs),其将网络表示为一系列三角形模体,利用categorical分布对各三角形模体的生成过程建模,用最大似然参数估计方法给出参数估计的推理过程,根据参数估计结果可得节点、边及三角形模体的社区隶属度.人工网络和实际网络上的实验证明MCDTM模型可快速准确地发现网络的潜在结构.     

用图形分解和矩阵消减解决网络连通可靠性问题

应用图论中的因子定理，探讨了由临近网络节点间的连通概率求复杂网络两顶点间可靠度的方法，以及如何利用这个方法的原理来化简网络的概率矩阵。并且提出了矩阵化简的优化算法。最后简单提及这种方法的编程思想：     

基于网络广义极值模型的居住地和通勤方式同时选择模型研究

基于随机效用最大化理论, 选取个人属性、社会经济属性、出行特性和土地利用属性因素为联合选择模型影响变量, 以居住地区位选择集合和通勤出行方式选择集合的组合作为模型的选择项, 构建居住和出行方式联合选择的网络广义极值模型, 刻画日益增长的交通拥堵情况的影响变化及其在不同的就业地模式下对居住再选址和出行方式转变的潜在影响, 从微观角度研究居住就业与城市通勤交通出行关系。利用 Biogeme 软件, 对模型参数进行估计和检验, 同时对模型进行弹性分析, 分析不同影响因素的变化引起的方式选择概率的变化。结果表明, 相比郊区的通勤者, 中心区的通勤者对出行时间的增加更为敏感, 更易于改变出行方式和居住区位, 以抵消交通拥挤引起的负效用。     

Two Language Models Using Chinese Semantic Parsing

Introduction Although the word trigram dominates the statistical language modeling community, it still has some short- comings. For example, the word trigram cannot make use of the rich linguistic structure of the language, nor can it capture long-distanc…     

基于统计的自然语言处理模型

基于统计的自然语言处理模型采用统计方法进行自然语言建模，实际应用过程中可根据具体情况在多种模型中选择适当的模型，本文简要介绍了N-gram模型和最大熵模型，并给出了几种参数估计和数据平滑方法，为自然语言建模提供了一定的参考。     

网络技术与语文教学

以当前研究盲区为突破点，通过对语文学科运用网络技术的必要性，网络条件下语文教学模式的改变及对教师的教学和学生的学习的新要求，网络条件下语文教学中出现的问题及对策等进行多方面探讨，指出语文教学与网络技术联姻，是语文教学改革和发展的必然选择。     

融合词法句法分析联合模型的树到串EBMT方法

针对传统的基于实例的机器翻译(EBMT)方法中系统构筑复杂度和成本较高的问题,提出一种基于依存树到串的汉英实例机器翻译方法。与传统方法相比,该方法只需进行源语言端的句法结构分析,可以大大降低构筑系统的复杂度,有效降低成本。为了提高翻译精度,引入中文分词、词性标注和依存句法分析联合模型,可以减少汉英EBMT中源语言端基础任务中的错误传递,提高提取层次间特征的准确性。在此基础上,结合依存结构的特征和中英语料的特性,对依存树到串模型进行规则抽取以及泛化处理。实验结果表明,相对于基线系统,该方法可以提高实例对抽取质量,改善泛化规则和译文质量,提高系统性能。     

利用同步自回归模型和小波特征进行纹理图像分割

为了提高纹理图像分割的边缘准确性和区域一致性,提出了一种利用同步自回归模型和小波特征实现纹理图像分割的方法,包括特征提取、粗分割和细分割3个阶段．先提取图像的同步自回归模型参数特征,然后利用K-均值聚类实现对纹理图像的粗分割,细分割则是在粗分割的基础上提取图像的小波特征,然后利用最小距离分类器对粗分割图像中不稳定象素进行重新分类,实现图像的最后分割。     

基于趋势的实时量预测建模及并行实现

提出了基于趋势的预测思路 ,建立了基于趋势的实时量预测模型 .利用高性能并行计算环境 ,结合并行处理技术将预测模型并行化 ,较好地解决了预测系统中数据量大、计算速度慢等问题     

结合主题依存特征和Bigram的汉语语言建模方法

在Bigram语言模型建模过程中，语言被看作符号集序列，没有考虑语言本身具有的语法和语义结构特征，虽然在线的文本训练数据迅速增长，但语言模型的性能却再获得大幅度的提高，基于统计方法语言建模的基本原理，提出了一种结合Bigram和主题依存特征的中文语言建模方法，初步实验结果表明，该方法可有效地补充Bigram模型提取特征的不足，通过提取远距离主题依存特征降低了语言模型的分支度。     

汉语语音识别中的加权概念转移网络语言模型

采用分层语法规则的加权概念转移网络，并将语法规则和类似于统计语言模型中的概率分布结合起来，通过引入平滑的概念，为一些超出词典的OOV词和超出语法规则的词分配一个较小的概率，使模型具有较强的稳健性．实验结果表明：这种分层语法表示灵活、概念清晰、实现简单，可以较大地降低语言模型的混乱度；模型在概念级的预测性能可达到99％的正确率．用该语言模型为语音识别提供预测单元，可以提高识别率．     

程序设计语言的抽象与语言族模型

程序设计语言的模型对于研究语言的性质具有重要作用。基于语言的抽象这一概念,在建立的语言之代数模型下,给出了程序设计语言间的３种关系：继承、扩充、屏蔽的语义,并提出了在这3种关系下构成的语言族模型,作为研究语言间的关系和面向模型的变换型软件开发方法的一种理论基础。     

基于遗传神经算法优化的汉语分词模型

针对目前汉语分词系统中BP算法收敛速度慢等难题,本文将基于遗传的BP神经网络算法用于汉语分词模型,此模型结合了遗传算法和BP网络的优点.实验结果表明:该优化模型完全达到了汉语分词要求,并且在分词速度上也明显优于传统的BP神经网络,具有高精确性、收敛速度快等特点.