一种基于频繁项挖掘的大量小文件动态合并算法

分析了当前社交网络中大量小文件数据特点,将访问日志与数据挖掘相结合,提出了一种基于频繁项挖掘的大量小文件动态合并算法.此算法实现小文件动态合并,解决了合并文件的一致性问题,从而预测用户下一步的访问,为预取小文件做引导,提高预取的命中率.针对预取和缓存的文件过多的特点,设计了一种新的含循环单链表的缓存置换算法优化缓存内容.通过实验证明,该算法大量小文件动态合并性能优于已有的算法.     

一种基于数据网格的动态副本管理策略研究

 副本管理是数据网格中的一个研究热点,它能提高网格环境中数据的可获得性和容错性.在对传统数据网格中主流的副本管理技术进行深入研究后,提出了一种基于数据网格的动态副本管理策略,该策略包含能根据文件访问热度自动增加副本的动态副本创建方法、基于GridFTP的副本选择方法和结合副本创建时间、访问次数、副本文件大小的副本置换方法.仿真实验结果表明,当用户对资源的访问具有时间相关性时,提出的动态副本管理策略与OptorSim网格仿真器内置的5种副本管理策略相比有着较大的性能优势.     

基于改进的递归神经网络的化工动态系统建模

在局部递归网络Elman,Jordan,SIRNN的基础上,构建一种改进的递归神经网络模型DHORNN,该模型在结构上将隐层的状态反馈、输出反馈以及时间序列延迟等有机地结合起来,并选用基于Levenberg-Marquardt优化理论的快速的L-M算法,大大提高了网络的训练速度.用该网络对一个多输入单输出的连续搅拌釜式化学反应器模型进行建模,并与其他递归网络模型建模方法进行比较,证明该网络结构对化工动态系统具有良好的动态建模能力.     

基于前向神经网络的多新息随机梯度辨识算法

为了提高动态系统的辨识精度,提出一种基于前馈神经网络的多新息随机梯度辨识算法,它通过动态调整网络权值来提高网络在线辨识性能.由于多新息随机梯度辨识算法利用了系统的当前数据和历史数据,对动态辨识,特别是对具有纯时间延迟动态系统的辨识,较传统的BP算法在辨识精度和收敛速度方面具有更好的效果.仿真结果表明该算法的有效性.     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

基于动态分类算法的入侵检测系统

为了使分类方法适合网络入侵检测系统在线、实时的特点,根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法。算法采用改进的胜者全得方法训练神经网络,通过估算类别数目方法优化初始系数。该算法能防止分类时丢弃特殊模式,并能对未知类别数量的数据动态进行分类,实验采用相同的数据集训练自适应谐振理论网络和动态分类网络。结果证明,动态分类算法具有良好的收敛性和模式分类能力。将该算法应用于入侵检测系统的网络行为智能学习,其误报率仅为10%左右。     

利用人工神经网络进行感应电动机解耦控制

为了使感应电动机具有象直流电动机一样优良的转矩与转速控制性能,提出了一种基于人工神经网络的感应电动机解耦控制方法。由于实时递归网络具有较强地表达和处理瞬态信息的能力,适合解决非线性动态系统问题,因此用递归网络构成的解耦控制器具有良好的动态特性。为减少这种神经网络解耦控制器的学习时间,提出了一种自适应学习算法,通过在网络学习的过程中不断地调整学习速率,从而加快了网络学习速度。仿真计算结果表明,这种神经网络解耦控制方式具有优良的动态响应特性。     

基于自适应数据广播的缓存一致性维护

为了提高移动环境中缓存数据的效率,在分析现有技术的基础上,提出了基于自适应数据广播的缓存一致性维护.将数据的访问形式分为共享和独占两种,根据数据访问形式以及数据的更新频率,采用定时、计数以及数据状态等三种方法,动态地调整服务器广播更新数据的频率和内容.通过数据库中事务的可串行化操作,对该方法的正确性进行了理论证明,并通过具体的系统验证了其效率.该方法可以在各种无线网络环境中应用,为无线应用提供数据缓存.     

基于Multi-Agent的网络资源动态调度方法

在对目前流行的调度方法分析、总结的基础上,根据Agent具有自治性、反应性、社会能力性以及能动性的特点,提出一种基于Multi-Agent的网络资源动态调度方法。该方法根据系统当前的负载分布状况,对具有负载的节点通过通信工具,经过迁移手段,使资源分配到轻负载的节点,以实现节点的负载均衡,从而最终实现真个网络系统的负载均衡。仿真实验表明该方法可以更好地帮助人们在网络中进行资源的管理和调度,有效地提高网络服务器的性能,缩短系统延迟时间,增大系统吞吐量,以解决大用户量并发访问和大容量数据存储的问题。     

基于定性动态概率网络的交通状态预测及改进

 交通问题已经成为了制约城市发展的一个主要问题.城市的交通状态是可以预测和加以改进的.有效的交通状态预测在一定程度上能优化交通状态,减少交通堵塞.定性动态概率网络(QDPNs)是目前进行动态地推理不确定知识领域最有效的模型之一.提出了一种基于定性动态概率网络的交通状态预测及改进的方法,该方法从系统的角度对城市的交通状态进行建模,通过推理,能够找到交通问题的症结,以便采取有针对性的措施来解决交通拥堵问题.