车载自组网中基于消息聚合的高效路由算法

现有车载网中根据地理位置信息贪婪转发并利用路侧单元辅助的路由算法存在大量的冗余Beacon消息,节点在贪婪转发时容易陷入局部最大,偏离原有路径。针对这些问题,提出一种高效的路由和消息聚合机制,该机制采用控制包的聚合及数据包与控制包的消息聚合机制来减少控制包的发送,并对节点利用贪婪转发时陷入局部最大和偏离原有路径进行有效处理。仿真实验结果表明,路由和消息聚合机制能有效地提高消息发送的成功率,降低消息的平均端到端时延,减少网络的控制包开销。

面向图计算的运行时系统的消息聚合技术

图计算应用的通信模式以时空随机的点对点细粒度通信为主,但现有高性能计算机的网络系统应对大量细粒度通信时表现不佳,进而影响整体性能。虽然在应用层进行通信优化可以有效提升图计算应用性能,但这会给应用开发人员带来很大的负担,因此提出并实现结构动态的消息聚合技术,通过构建虚拟拓扑的方法在通信路径上增加中间点从而提升消息聚合的效果。传统的消息聚合策略一般仅在通信源或者目的地上进行,聚合机会有限,而所提技术通过灵活调整虚拟拓扑的结构和配置适应了不同硬件条件和应用特征。同时,还提出并实现了面向图计算的有消息聚合的运行时系统,这使得在程序迭代执行时可以动态选择参数,从而减少开发人员负担。在256节点规模的系统上实验的结果显示,使用所提消息聚合技术优化后的典型图计算应用的性能可得到100%以上的提升。

航空新分销报文聚合方法研究与应用

全球航空业正在经历着以航空新分销能力建设为代表的技术变革,不同航空公司不同版本的NDC报文的聚合能力直接关系该变革是否能够得以实施。本文提出一种通过自定义模板、报文拆分、报文分布转换并组合的方式,实现面向NDC标准的大型XML报文的高效解析与聚合。实验结果表明,在针对航空公司航班查询典型场景的NDC报文响应中,提出的方法性能优于基于传统XSLT的解析转换方法,取得了很好的使用效果。

针对无线控制环境的OpenFlow流表申请优化机制

在无线控制环境下,受限于控制通道的带宽和时延,OpenFlow交换机通过Packet-In消息申请流表的过程耗时较长,这个时段内交换机可能收到同一条流的大量后续报文,并分别产生与首包报文完全相同的Packet-In消息发往控制器,明显浪费网络资源。同时,针对每条流独立发送一个Packet-In报文的方式容易导致控制通道负载以小包为主、包头开销占比过大、网络资源利用率不高的问题。因此,针对无线控制条件下报文粒度Packet-In消息触发和离散化Packet-In消息发送机制存在的问题,提出了一种基于流粒度实现Packet-In消息触发和Packet-In消息聚合发送的方案,并通过仿真试验,验证了方案的效果。

KENN:线性结构熵的图核神经网络

图神经网络(graph neural network,GNN)是一种利用深度学习直接对图结构数据进行表征的框架,近年来受到人们越来越多的关注.然而传统的基于消息传递聚合的图神经网络(messaging passing GNN,MP-GNN)忽略了不同节点的平滑速度,无差别地聚合了邻居信息,易造成过平滑现象.为此,研究并提出一种线性结构熵的图核神经网络分类方法,即KENN.它首先利用图核方法对节点子图进行结构编码,判断子图之间的同构性,进而利用同构系数来定义不同邻居间的平滑系数.其次基于低复杂度的线性结构熵提取图的结构信息,加深和丰富图数据的结构表达能力.通过将线性结构熵、图核和图神经网络三者进行深度融合提出了图核神经网络分类方法.它不仅可以解决生物分子数据节点特征的稀疏问题,也可以解决社交网络数据以节点度作为特征所产生的信息冗余问题,同时还使得图神经网络能够自适应调整对图结构特征的表征能力,使其超越MP-GNN的上界(WL测试).最后,在7个公开的图分类数据集上实验验证了所提出模型的性能优于其他的基准模型.

基于RSS技术的移动化农业信息服务系统研究

作者根据农村互联网发展的现状,依托RSS为核心技术,同时结合移动互联网技术、页面信息抽取技术、个性化用户模型等技术,设计了支持移动设备的个性化农业信息服务系统,力求可以通过移动设备完整、及时、低成本地将农业信息传送给农户。

基于精确数组数据流分析框架的通信优化

为了提高消息传递型多处理器的性能,优化处理器间的通信对于并行化编译器至关重要。介绍了建立在精确数组数据流分析基础上的通信优化技术。通过优化,减少了通信次数,降低了通信代价。最后通过一个实例说明,在一定计算划分下结合精确数据流分析实现通信比仅仅依据计算划分实现通信能更有效地减少通信量。

软件定义无人机自组网高效自适应路由维护机制

为解决软件定义无人机自组网路由维护存在的控制开销和数据包延迟偏大的问题,基于现有的OpenFlow协议提出了一种高效自适应的软件定义无人机自组网路由维护机制(Efficient and Adaptive Software-defined Unmanned Aerial Vehicle Ad Hoc Network Routing Maintenance Mechanism Based on OpenFlow Protocol,OpenFlow-EARM)。新机制采用基于距离估计的自适应转发策略,根据无人机节点的历史流表项信息估算并选择时延最低的方式转发流表项缺失数据包,降低数据包传输时延;同时在路由维护过程中采用了基于周期恢复的消息聚合策略,减少控制包的发包次数,从而降低网络控制开销。仿真结果表明,新机制的平均端到端时延、网络控制开销和丢包率等方面性能优于现有的最优化链路状态路由(Optimal Link State Routing,OLSR)协议和OpenFlow协议。

基于融合自注意力的图神经协同过滤模型研究

针对协同过滤算法中协同过滤信号交互编码数据量过大,难以有效提取所需的协作信号问题,本文采用深度学习方法,提出融合自注意力的图神经协同过滤模型(UAGNCF).首先将自注意力机制运用到用户与项目之间的消息构建中,然后将处理后的消息运用高阶连通性嵌入到图神经网络层,最终将获得的消息聚合后再输出.在3个数据集上进行实验分析,实验结果表明与现有模型进行对比,其召回率优于其他模型5%~9%,表明本文构建的UAGNCF模型合理、有效,能够取得更好的推荐效果.

改进的自适应深层图模型

图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生。为了解决这些限制,在图变换网络的基础上,提出了图跳跃知识转换网络深层图模型,该网络自适应地识别原始图上节点之间潜在的深层连接,同时以端到端的方式学习新图上有效的节点表示。为了适应局部邻域属性和任务,在跳跃知识转换层学习了边类型和复合关系的软选择,以生成有用的多跳连接,灵活利用每个节点不同的邻域范围来实现更好的结构感知表示,从而学习高阶语义信息。图跳跃知识转换网络模型可以与最先进的同构图模型进行结合,在性能上得到了很大的提升。

基于群组的MTC设备接入认证机制研究

随着M2M通信的迅速发展,通过移动网络提供M2M通信是支撑M2M应用的一个主要途径,3GPP于R10阶段将M2M通信正式定义为MTC(Machine Type Communication)。然而MTC通信的复杂业务以及海量用户接入为新一代移动通信系统带来了巨大的挑战。MTC通信的一个关键问题就是,当数目庞大的MTC终端同时发起网络接入请求时,所导致的信令拥塞问题。基于此,文中提出一种基于群组的MTC设备接入认证机制。该机制在MTC群组的组长处采用聚合消息认证码的技术,实现了网络对群组中所有MTC设备的同时认证;在HSS(Home Subscriber Server,本地用户服务器)处仅计算一些关于组的认证参数,并生成n个组认证向量。文中提出的认证机制简化了信令的格式,可以节省计算时间,提高认证效率。通过对认证机制的安全性及性能的分析,该机制可以大大降低认证信令开销,提高认证效率,从而达到避免信令拥塞的目的。