基于谱聚类算法的高速网络数据流快速分类方法研究

当前高速网络数据流分类处理时，忽略了冗余数据对分类结果的影响，使得分类结果 F1值较低。因此，提出了基于谱聚类算法的高速网络数据流快速分类方法。采用主成分分析法对高速网络数据流进行降维处理。对所有数据流相关性特征进行选择，去除冗余特征，保留有效的特征信息。应用支持向量机算法构建网络数据流快速分类模型，结合谱聚类算法对多数类样本进行聚类，组成新的数据集并将其输入到分类模型中得出相关的分类结果。实验结果表明，所提方法的平均F1值为0.95,F1值越大分类结果越准确，说明该方法能够满足高速网络数据流快速准确分类，具有优越的数据分类性能，应用价值更高。     

移动环境中的位置依赖连续轮廓查询

针对移动环境中查询点快速移动时连续、高效输出给定搜索区域数据轮廓的问题,提出一种位置依赖连续轮廓查询算法(LDCS).该算法结合数据流技术,首先使用R树快速更新查询数据,然后利用两次连续计算时搜索区域的重叠性构造被动数据流,并对新增和失效数据分别进行处理,从而连续输出轮廓.由于充分利用了已有结果,LDCS的计算量较传统算法有大幅下降.实验结果表明,LDCS特别适合计算频度要求较高的场合,与基于网格索引的算法相比,时间效率随着数据集规模的增大显著提升.     

基于密度的不确定数据流聚类算法

不确定性的出现使传统算法无法直接用于聚类不确定数据流。该文提出一种不确定数据流环境下基于密度的聚类算法,其中提出不确定度的概念以衡量不确定数据的分布信息,并在改进面向确定数据的聚类算法DENCLUE的基础上,提出一种可处理数据不确定度的UDENCLUE算法,以降低数据的不确定性对聚类结果产生的影响;提出滑动窗口下基于密度的不确定数据流聚类算法USDENCLUE,通过聚类特征指数直方图技术实现快速剪枝,可以高效处理噪音数据、演化数据流并生成任意形状的簇;采用真实数据集及人工合成数据集对USDENCLUE与CluStream聚类算法进行比较,实验结果表明了所提出算法的高效性和有效性。     

基于密度的数据流聚类算法

为了提高数据流的聚类质量与效率,提出了一种基于密度的数据流聚类算法,该算法采用双层聚类框架,对于历史数据的遗忘问题采用了消逝策略和粒度调整策略,消逝策略能够处理噪声,节约内存;粒度调整策略检测当前的内存消耗,提高了聚类质量。基于标准数据集和仿真数据集的实验表明,此算法是可行有效的,适合处理和分析大规模的快速数据流。     

基于数据平面可编程的负载均衡算法

针对目前网络数据平面存在僵化现象,导致网络中数据流不均衡的问题,提出了一种基于数据平面可编程的负载均衡算法。首先通过带内网络遥测(INT:In-band Network Telemetry)技术获取网络实时状态信息,然后利用提出的BD-ECMP(Bandwidth and Delay Equal-Cost Multi-Path Routing)算法选择数据流的最佳传输路径。采用编程协议无关的包处理器(P4:Programming Protocol-Independent Packet Processors)语言对SDN网络数据平面的数据流进行优化处理,从而实现网络负载均衡。仿真实验结果表明,与传统ECMP算法相比,BD-ECMP算法在平均流完成时间、网络吞吐量及网络丢包率等方面具有明显优势。     

基于稀疏向量距离的网络入侵数据检测

传统的网络入侵检测速度慢、实时性差,且误报率较高。为此,提出一种基于稀疏向量距离的网络入侵数据检测方法。该方法首先对所获得的网络样本数据进行初步分析,采用K-means算法对样本数据包进行量化处理得到该数据流的位置分布集,使用压缩感知的稀疏编码技术处理,得到数据的稀疏表示,然后通过随机投影获取数据集的二值哈希编码可以近似地表示稀疏向量的距离,与设定的阈值进行比较,判断该数据是否为入侵数据。根据这些稀疏向量的距离能够快速而准确地检测到入侵的网络数据。实验结果表明,相对于传统检测算法,本文算法具有速度快、实时性好、误报率低等优点,使入侵检测系统的性能得到了很大提高,充分确保了网络的安全性。     

大数据环境下的不确定数据流在线分类算法

在大数据环境下,由于隐私保护、数据丢失等原因,数据普遍存在不确定性;数据流系统中数据不断地到达系统,只扫描一遍且不能一次性全部获得;所以要构建一个增量分类模型来处理不确定数据流分类.本文基于VFDT算法提出了WBVFDTu算法,该算法在学习和分类阶段都可快速而有效地分析不确定信息.在学习期间,采用Hoeffding分解定理构造决策树模型;在分类期间,在决策树的叶子节点利用加权贝叶斯分类算法提高模型的分类准确率和算法的执行效率.最终证明该算法能够非常快速地学习不确定数据流,提高分类的准确率.     

一种高效的冗余编码Mesh流媒体覆盖网

为了减小以Mesh方式传输流媒体的覆盖网络节点动态加入和退出对数据流传输稳定性的影响,建立了一种基于冗余编码的流媒体多播机制.数据源以冗余方式将数据流编码为多个等长的分支,以数据流分支作为路由和传输单位,而网络中的每个节点通过与其他节点建立邻居关系来获取所需的数据分支.在新节点加入的过程中,提出了一种高效的邻居节点选择算法,它充分利用了冗余编码特点,以此降低自身的时间复杂度.在节点失效处理的过程中,推出了一种数据分支替换机制,通过已有父节点的轮转替换可快速恢复数据传输,从而避免了传输中断问题.模拟试验表明:所提机制可以在网络抖动度小于10的范围内保证90%以上节点的传输质量,使得高冗余度的编码更好地适应高度变动的网络;在网络抖动度大于8时,冗余度在0%～33.3%范围内的编码不会显著降低网络的传输效率.     

数据流连续查询处理技术的研究

数据流查询处理技术的研究是目前数据库研究领域的热点问题.传统的数据库技术不能处理诸如网络监测、传感器网络、股票分析等应用中所生成的新型数据,即数据流.数据流作为一种新的数据形态,不同于传统的静态数据,具有连续快速、短暂易逝、规模宏大和不可预测的特点;其研究核心是在一个远小于数据规模的有限存储空间迅速获得近似查询结果.综述关于数据流查询处理技术的研究成果,主要介绍数据流模型、查询的特征、数据流近似查询操作算法的实现以及数据流系统中的查询处理方法.     

数据流上基于属性最优分类的熵判定树构造方法

讨论了基于最优属性分类的熵构造判定树数据流挖掘算法,阐明算法中如何处理分枝属性、选取最优属性以及数据清理及剪枝等关键环节,可及时快速的对数据流进行及时有效的处理,此方法可满足数据流聚类的应用要求。     

基于三维数字化测量技术的逆向工程应用研究

TRITOP和ATOS的结合应用是逆向工程中点云采集较为先进的方案。进行了光栅式光学扫描系统测量原理的研究,以异形部件为例,详细介绍了逆向的过程。通过ATOS扫描系统对该件进行扫描并对获得的点云数据进行预处理,同时采用CATIA软件对扫描点云进行曲面拟合及模型重构,实现了逆向的目的,偏差分析结果说明该方案可行,满足误差要求。     

发动机逆向燃烧系统的误差分析

文章讨论了硅胶拓膜和剖切燃烧系统的方法,采用逆向工程技术,通过德国GOM公司的ATOS非接触式扫描仪完成燃烧系统的点云数据采集;详细介绍了利用Geomagic Studio逆向软件进行模型重建的步骤,指出造型过程中的要点,最后生成逆向燃烧系统模型,并进行生成模型与理论设计模型的误差分析对比,根据误差分析结果,确定逆向燃烧系统的可行性方法.     

基于逆向工程的信息隐藏软件研究

采用软件逆向工程的方法,借助静态和动态软件逆向分析工具IDA Pro和SoftICE,研究了某款商用信息隐藏软件,逆推出该软件系统总体执行过程,在此基础上分析出其核心信息隐藏算法以及数据加解密算法,为解决商用信息隐藏软件的检测问题提出一种新的思路.采用本方法能够检测一幅图片中是否存在由该信息隐藏软件隐藏了信息,并且无论加密与否都能够正确提取出来.     

基于概念分析的软件横切关注点提取方法

为解决软件遗产系统中横切特性的理解和进化问题,提出了面向侧面的逆向工程框架模型,并以此为基础给出了一种用例驱动的形式化概念分析方法,对需求分析模型层面上的系统横切特性进行逆向恢复．通过对目标系统执行信息进行概念格分析,文中方法能够识别和提取横切用例模型的系统方法调用集合,并将它们抽象为系统的早期侧面．和仅为了代码重构而进行的侧面挖掘技术相比,该方法更适合在较高的系统抽象层面上进行程序理解．作为一种采用增量式结果产生策略的半自动化方法,它的实施流程也具有更好的可控性和对逆向工程需求变化的适应性．     

基于Cimatron的复杂曲面"点云"数据重构技术

复杂曲面的“点云”数据重构出曲面原形是其反向工程的关链技术．本文基于Cimatron软件的反向工程模块,提出了把“点云”数据重构出高精度的NURBS(非均匀有理B样条)曲面的流程和方法,并以一个实例对其进行说明,最后重构出其曲面．     

基于空间划分的海量数据K邻近新算法

逆向工程中,对测量数据的处理首先要建立数据点之间的拓朴结构,这通常通过计算点的K邻近来实现.文中在分析现有算法的基础上,提出了一种新的基于空间划分的海量数据K邻近算法.该算法综合考虑了点云密度、点云数量以及K值对小立方体栅格边长的影响,通过确定合适的小立方体栅格边长以及排除不包含点云数据的小立方体栅格来确定邻近点最佳搜索范围,从而提高了搜索速度,保证了搜索结果的正确性.最后通过逆向软件的二次开发编程验证了算法.     

一种牙冠预备体三维数字化模型的就位倒凹检测方法

基于三维扫描和逆向工程技术,研究牙冠预备体就位倒凹的检测及量化方法。在教学用标准牙列石膏模型上,对左侧上颌第一磨牙进行全瓷冠牙体预备。用牙颌模型三维激光扫描仪获取牙冠预备体三维点云数据,在交互提取牙冠预备体特征边缘线的基础上建立就位倒凹检测柱面。结果从牙冠预备体三维数字化模型,得到了就位倒凹的量化指标。说明应用逆向工程软件,初步建立了一种牙冠预备体就位倒凹的定量检测方法。     

Software Module Clustering Algorithm Using Probability Selection

Software module clustering problem is an important and challenging problem in software reverse engineering whose main goal is to obtain a good modular structure of the software system. The large complex software system can be divided into some subsystems that are easy to understand and maintain through the software module clustering. Aiming at solving the problem of slow convergence speed, the poor clustering result, and the complex algorithm, a software module clustering algorithm using probability selection is proposed. Firstly, we convert the software system into complex network diagram, and then we use the operation of merger, adjustment and optimization to get the software module clustering scheme. To evaluate the effectiveness of the algorithm, a set of experiments was performed on 5 real-world module clustering problems. The comparison of the experimental results proves the simplicity of the algorithm as well as the low time complexity and fast convergence speed. This algorithm provides a simple and effective engineering method for software module clustering problem.     

车辆可靠性数据管理与分析系统

根据车辆可靠性信息管理需求,提出了车辆可靠性数据管理与分析系统(VRDMAS)的体系结构,基于可靠性分析软件Relex,采用SQL server 7.0数据库软件和Delphi 6.0应用开发工具,完成了VRDMAS的设计与开发,实现了系统的管理与分析功能,解决了一般数据库系统分析功能欠缺、专用可靠性软件机械零部件库数据缺乏的问题.实例考核表明,VRDMAS系统既有良好的可靠性数据管理功能,又有较强的可靠性分析功能,满足了车辆可靠性信息管理及分析的实际要求.     

射孔工程应用软件WPSYS-A的开发

考虑了全部射孔参数、地质因素和工程因素的影响,开发出射孔工程应用软件包WPSYS-A.在有限元数值模型的基础上,运用非线性回归方法精确地描述了射孔参数之间的相互影响。得出了七种格式和相位下的三种不同情况的21个回归公式.在非线性回归方法中,首次引入极限产率比的概念,获得了某些精确解.将有限元模型、工程软件与精确解对比.得出了可靠计算结果.证明该软件能满足工程要求.