有向网络下的CoDA社区发现算法评估

CoDA算法是一种基于概率模型的能识别二分结构的社区发现算法。为了验证该算法的社区划分效果,采用信息检索领域的F-measure标准,对有向网络下重叠社区和非重叠社区的CoDA社区发现算法进行评估。F-measure标准中F1-measure值的大小能反映CoDA算法社区划分效果的优劣。实验所用的数据集由LFR Benchmark工具生成,数据集中节点数最小为100,最大为20 000,每增加100节点对CoDA算法社区划分效果评估一次。分析实验结果可以得出,当节点数小于1 600时,CoDA算法的划分效果较好。当节点数大于1 600时,随着节点个数增多,CoDA算法社区划分效果逐渐变差。由此说明,基于概率模型的CoDA算法适用于小规模社交网络社区的划分。     

基于映射和二分树的查找算法及实验研究

通过构造散列表和二分树,设计１个适用于大规模信息处理的快速动态查找算法,分析其执行效率,并给出程序及实验结果。     

基于谱聚类的二分网络社团检测算法

针对二分网络社团检测算法存在精度不高和丢失原始网络信息等问题，设计了一种新的融合奇异值分解的谱聚类(SVD-MS)算法.该方法是将Barber的二分网络模块度最大化问题映射到奇异值向量分解上，并结合启发式算法快速求解向量划分问题.在3个真实世界的网络中对比SVD-MS算法与7种算法的模块度，结果表明，在保留原始网络信息的情况下，SVD-MS算法能更有效地划分二分网络的社团结构.     

最小最大路划分的一个启发式算法

首先证明了最小最大路划分问题是困难的,然后利用二分算法给出了特殊情形下的最优算法,最后给出了满足三角不等式的图上的一个启发式算法.     

基于区域划分的一种新的图像变形算法

针对图像变形过程中,经典像素填充算法复杂度高,矩形填充算法不能直接对非规则区域进行填充等缺点,提出了一种基于区域划分思想的填充算法．通过区域划分,填充区域变成规则的矩形区域和小块的非规则区域．对于矩形区域利用标准的矩形填充算法进行填充,对于非规则区域提出一种新的基于预测的像素填充算法．该算法思想可适用于任意形状区域的填充,在填充效率上非常接近仅适用于矩形区域填充的标准矩形填充算法．     

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Q函数优化的加权有向复杂网络模糊聚类算法设计研究

研究加权有向复杂网络中社团的模糊聚类算法,在谱平分、FCM算法的基础上,构建新的适用于加权有向复杂网络模糊划分的Q函数,设计了复杂网络模糊聚类算法,并针对FCM聚类算法结果不稳定的现象进行了算法上的改进,使算法更适合于现实世界。通过实验数据验证了设计的算法,从总体上提高算法的划分精确度,结果也趋向于稳定。解决了从加权有向复杂网络、模糊集中发现、划分社团的实际问题。     

用简单动态递归网构造固体散料流量模型

提出了用简单动态递归网来建立固体散料流量模型，针对动态递归网结构复杂，训练算法收敛速度慢的缺点，采用一种结构十分简单的递归网，对RPE算法进行了改进和补充，使之适用于简单递归网，用来对网络的权值和阈值进行调整，建模结果表明此方法收敛速度快，精度高。     

计算网络连通可靠度的一种新型算法

大型复杂网络系统的可靠性分析都是NP难问题。结合二分决策图原理和因子分解定理以桥型网络为例提出了一种新型的算法——二分决策分解算法(TPDM算法),该算法便于计算机编程实现,通过与BDD等算法的比较研究表明,该算法的复杂度更低、可行性更高。     

基于IBR的ShadowServer TCP扫描行为分析

为了对恶意扫描与非恶意扫描进行过滤,提出了一种基于白名单过滤非恶意扫描流量的方法.该方法首先以著名的安全机构Shadow Server Foundation的扫描主机作为白名单基础,将从Shodan搜索引擎中找出的部分ShadowServer扫描主机作为初始白名单集合.然后基于初始白名单集合以及在CERNET南京主节点边界获取的IBR流量,过滤出属于初始白名单主机的TCP扫描流量.最后通过分析这些流量的扫描行为,设计了一种完整白名单获取算法,运行算法并找出所有的白名单主机.实验结果表明,找到的白名单主机共计229个,其IP地址主要分布在4/26个网段中,在其中的3个网段内为连续地址,另一个网段内也有一定规律.此外,根据实验过程中的流量数据,提供了对30022端口和445端口(勒索病毒)扫描的两个案例及分析.     

基于多分类支持向量机的网络流量预测方法

 针对支持向量机网络流量预测误差较大的问题,提出一种基于多分类支持向量机的网络流量预测方法。该方法在网络流量数据训练阶段通过数据编码,使多分类支持向量机的输出逼近编码值,在预测阶段通过数据解码,将多分类支持向量机的输出转换为实际的网络流量预测结果,从而有效地降低了预测误差。实验结果显示,该方法的预测结果与实际采集的网络流量数据具有相同的变化趋势;在同等实验条件下,该方法预测结果的均方根误差为0.487,而单一支持向量机方法、BP 神经网络方法预测结果的均方根误差分别为1.0954 和2.3642,表明基于多分类支持向量机的网络流量预测方法具有更高的准确性。     

A Routing Algorithm in WDM Mesh Metworks with Grooming Capacities

Most of the work in traffic grooming has been in the area of providing efficient network designs in Wavelength division multiplexing （WDM）. The objective of these traffic grooming algorithms is to reduce the cost of overall networks. In this paper, a routing algorithm based on transiently chaotic neural network is proposed to solve the problem in WDM logical topology. The objectives of the routing algorithm are ac commodating all traffic requirements and using less network resource. The simulation shows that the proposed algorithm is efficient in the routing selection, meanwhile the algorithm can use less network resource.     

基于分水岭变换的互相遮挡交通标志自适应分离

针对交通标志检测中标志互相遮挡导致检测性能下降的问题,提出一种基于分水岭变换的互相遮挡标志自适应分离算法.基于RGB归一化阈值分割算法对标志图像进行二值化处理,然后构造区域轮廓特征矢量对二值图像中各个兴趣区域进行匹配,确定并提取互相遮挡标志候选区域Blob.对提取的低维数Blob进行形态学膨胀处理,使不连续的边缘趋于连续,然后利用欧氏距离变换和分水岭变换寻求标志间分水岭脊线,利用脊线实现标志的自适应分离.实验结果表明算法取得较好的分离效果,在整个标志检测应用中,与现有算法相比,检测率提高了6.1%,处理速度提升了近3倍.     

APON系统中一种具有多优先级业务的动态带宽分配算法

基于 Ａ Ｔ Ｍ 的无源光网络（ Ａ Ｐ Ｏ Ｎ） 上行信道的传输是采用时分多址接入（ Ｔ Ｄ Ｍ Ａ） 方式来共享光纤的,根据光线路终端（ Ｏ Ｌ Ｔ） 的指示,各光网络单元（ Ｏ Ｎ Ｕ） 发出的信号占据不同的时隙。为了有效利用带宽,给出了一种具有多优先级业务的动态带宽分配算法———最少业务量损失算法,它通过分级允许控制为各优先级业务分配相应的带宽。当有一新的连接要求时,它通过计算损失业务目标函数 Ｑ 来调整带宽分配。     

基于C均值聚类算法的交通时段划分方法研究

根据小时交通量实现交通时段的划分不能满足交通需求,对以分钟为单位的车辆数变化特性进行研究成为当务之急。首先确定了合理的数据分析周期为5~10m in。根据C均值聚类算法能根据数据的相似性度量将数据集划分成一定数目的子集,设计了基于C均值聚类算法的交通时段划分法。利用实际数据验证了方法是准确可靠的。     

基于视频的车流量统计算法

本文实现了一种基于线检测的车流量检测算法,首先利用背景消减法检测出运动目标,然后经过二值化处理得到二值图像,在二值图像上采集一条线上的像素点,然后利用新的数据处理算法对数据进行处理,最后,统计出每条车道上的流量,本文算法简单,易于实现,结果证明此算法检测精度高且算法实时性好,具有较好的鲁棒性。     

向量玻尔兹曼机

提出了一个用以处理人工神经网络多状态问题的向量玻尔兹曼机模型，由ｍ个二值状态有序的子神经元组成的向量神经元，可以用来描述一个单元上２＾ｍ个不同状态，研究了这一类向量二值网络的结构以及它类似于普通玻尔兹曼机的演化规则，结果表明，由子神经元组成的每个子网络都是通常的玻尔兹曼机，向量玻尔兹曼机是由这些子网络耦合而成的，这个模型不仅能够大大降低处理多状态问题时网络的规模，而且可以将普通玻尔兹曼机的渐近性质     

基于生物种群模型的智能交通网络控制

针对传统交通网络控制方法,通过对其约束条件和交通网络需求分析,以动态设置交通网络控制参数和提高交通网络性能为目的,提出一种基于生物种群模型的智能交通控制算法.在Matlab环境下进行仿真,结果表明,与传统交通网络控制方法相比,基于生物种群模型的智能交通控制算法可以显著提高交通网络利用率,减少车辆在网络中的延误时间.     

基于异常流量可视化的通信网络入侵攻击路径智能跟踪技术

为了解决通信网络的安全问题,防止通信网络被入侵,通过异常流量可视化方法研究了一种有效的通信网络入侵攻击路径跟踪技术。把流量采集点网卡设置成多样模式,对通信网络中的镜像流量进行采集。针对交换机上内外网间的端口流量,通过流量处理中心将不同网段采集点流量数据集合在一起统一处理,产生流量态势。针对采集及经处理后的流量,通过Set Timer()定时器函数发送消息,对消息进行处理,重绘窗口,实现流量可视化显示。将流量不对称性、SYN/ACK不对称性和方差过大作为异常流量特征参数,对异常流量进行检测。对流量异常入口进行限速处理,逐级向上进行限速,使得路径中已进行限速路由器下的全部路由器均限速,被标记的流量不会由于拥塞被删除。在减缓入侵的状态下通过异常流量,按照标记对攻击路径进行跟踪。结果表明,通过选择异常流量特征可有效检测异常流量;所提技术路径跟踪收敛速度与误报率比其他技术更低。可见,所提技术跟踪准确性好,整体性能优。     

基于关联度分析的协调控制子区划分方法研究

利用交叉口关联度量化分析方法,给出了相邻交叉口关联度与多交叉口组合关联度的计算公式.通过定义控制子区划分方案的解集空间、约束条件与评价准则,建立了协调控制子区划分模型;采用子区划分层扩散算法实现对控制子区划分方案的分析评价,给出了一套完备的控制子区划分流程.通过算例分析,对基于关联度分析的协调控制子区划分方法进行了细致阐述.