基于子博弈完美均衡的启发式聚类算法

聚类是一种典型且重要的数据挖掘方法,但现有聚类算法大多需要人为指定聚类的数量,并且聚类结果对参数敏感.针对上述不足,本文提出一种基于子博弈完美均衡的启发式聚类算法(Heuristic Clustering algorithm based on Sub-game Perfect Equilibrium,HCSPE).该算法充分挖掘数据点自身的分布特征信息,通过启发式方法得到自适应的参数值,从而使数据点局部密度属性值的得出具有客观性和普适性,降低了聚类结果对参数的敏感性.基于博弈的思想,综合局部密度和相对距离两个属性形成数据点的竞争力,依靠竞争机制完成聚类数量的自动计算以及聚类中心的确定.在多个规模和类型均不相同的数据集上的实验结果表明,本文所提出算法的性能指标整体优于其他算法,并且聚类结果更符合客观所需.

边缘计算环境下基于深度学习的DDos检测

边缘计算作为一种用于降低中心节点计算压力,更靠近终端设备和数据源头的新计算范式,满足了计算业务下沉的需求,也带来了安全问题;其中,对边缘计算安全威胁最大、造成过巨大经济损失和安全事故的当属分布式拒绝服务攻击(DDos);边缘计算环境下由于算力受限、存储空间有限等原因,传统的防御手段难以应用;因此,提出了一种适用于边缘计算环境下的基于深度学习的轻量级DDos检测框架;采用CIC-DDos-2019数据集来模拟边缘计算环境下的遭受DDos攻击的网络流量,针对数据集进行了适应性强的预处理技术和相似性标签融合,运用SMOTE算法解决了数据集类别不平衡问题,采用一维卷积技术和BiLSTM技术搭建了模型并进行了模型剪枝,构建了一个轻量级模型;结果表明,其针对DDos攻击类别的八分类实验准确率达到了96.8%,二分类实验准确率达到了99.8%。

基于分布式集群节点的宕机重启恢复算法

针对分布式集群中节点遭到恶意攻击发生宕机事件,对比传统节点重启的快照机制恢复效率不足的问题。以集群节点完成快照文件的保存和发送为依据,首先提出一种基于Raft快照双触发策略,增加快照的触发合理性;同时对快照文件进行分片处理,减少快照文件的重复发送。实验证明,该算法在节点宕机重启至恢复的时间上相比原始的Raft算法有所减少,以规避传统集群节点耗时较长的不足,并且可以较好地适应集群复杂的网络情况,对分布式集群节点的宕机恢复有很大的参考意义。

移动P2P网络的协作缓存优化策略

移动P2P网络具有拓扑动态多变、节点资源有限、网络资源短缺的特点.如何合理地、高效地使用移动节点提供的协作缓存资源、增加移动节点间的协作来减少移动P2P的网络时延、节省带宽、防止拥塞是一个关键问题.深入研究了有限协作缓存——Cache资源的替换策略、重要数据的及时缓存和Cache资源的充分使用问题.并根据蚁群算法的思路,提出了一种基于信息素的Cache替换算法,建立了选取适当存储空间作为Cache的数学模型和推导.理论分析和仿真数据表明该算法能有效提高协作Cache资源的使用率,促进了移动节点间的协作,提高了移动节点从邻居节点获得资源的成功率,并减少了协作Cache资源请求的平均响应时间.

基于簇和阈值区间的高效关联规则隐藏算法

关联规则隐藏是隐私保护数据挖掘(privacy-preserving data mining,PPDM)的一种重要方法.针对当前的关联规则隐藏算法直接操作事务数据、I/O开销较大的缺陷,提出一种基于FP-tree快速关联规则隐藏的算法FP-DSRRC.算法首先对FP-tree的结构进行改进,增设事务编号索引并建立双向遍历结构,进而利用改进的FP-tree对事务信息进行快速处理,避免了遍历原始数据集产生的大量I/O时间;然后通过建立和维护事务索引表实现对敏感项的快速查找,并基于分簇策略对关联规则处理,以簇为单位进行敏感规则消除,同时采用规则支持度和置信度阈值区间的思想,减少了关联规则隐藏处理对原始数据集的影响;最后通过实验测试证明:相较于传统关联规则隐藏算法,FP-DSRRC算法在保证生成的数据集质量的同时,减少了50%~70%的算法执行时间,并在大规模真实数据集上有较好的可用性.

基于FP-Tree模型的频繁轨迹模式挖掘方法

通过对经典频繁模式数据结构FP-tree的扩展与改进,提出了一种适用于处理轨迹数据的灵活高效的FP-tree轨迹挖掘方法(NFTM)。首先运用二维筛选和GPS格式过滤的方法对轨迹进行预处理,然后将有效数据经一次扫描后,生成按照真实轨迹顺序排列且具备时空属性的改进型FP-tree,使用动态数组存储模式挖掘过程中得到的候选集,根据用户的输入针对性输出相应时间和频率范围的频繁轨迹。最后通过与GSP算法、Prefixspan算法的对比测试表明,该算法具有更短执行时间和更优性能。

一种应用于移动P2P网络的资源协作共享策略

移动P2P网络的移动节点设备资源短缺,网络动态多变,移动节点间的协作显得越发重要.本文提出了一种灵活的移动节点间资源协作共享方案,为资源的请求者设计了基于可靠性理论的请求资源预测算法.依据排队理论为资源的提供者,构建了层次型资源调度模型.数学分析和仿真结果表明该预测算法提高了节点请求任务执行成功率,层次型资源调度模型则提高了节点协作共享资源的服务能力,降低了资源请求丢失率.

面向大规模数据的快速并行聚类划分算法研究

随着聚类分析中处理数据量的急剧增加,面对大规模数据,传统K-Means聚类算法面临着巨大挑战。为了提高传统K-Means聚类算法的效率,针对已有基于MPI的并行K-Means聚类算法和基于Hadoop的分布式K-Means云聚类算法,从聚心初始化和通信模式等入手,提出了改进思路和具体实现。实验结果表明,所提算法能大大减少通信量和计算量,具有较高的执行效率。研究结果可以为以后设计更好的大规模数据快速并行聚类划分算法提供研究依据。

基于无线传感器的物联网网络拓扑发现算法研究

在基于无线传感器的物联网中,由于传感器硬件设备的局限性和动态性,以及组成的网络通信带宽有限等,在网络中准确、及时地获取网络的拓扑信息变得非常困难,而如何全面、准确、快速地进行网络拓扑发现对于物联网的网络管理、故障定位和拥塞控制等研究和更多的上层应用具有重要的意义。提出了一种基于移动代理的模糊动态拓扑发现算法的设计方案。不仅通过构造网络模糊拓扑信息的处理方法和移动代理的迁移、活跃度等相关策略模型,给出了移动代理和传感器节点的最优拓扑发现数量比,而且还根据模糊知识处理已有的研究,获得了完整的基于传感器的物联网网络拓扑发现算法。通过实验验证表明,本算法不仅改进了网络拓扑的发现效率,并且具有较小的网络能耗等。

基于RBAC技术的P2P安全机制的研究

针对P2P技术的安全需求,分析了现有的P2P系统中访问控制的缺点;提出了一种有效的分簇P2P网络结构模型及在该模型下基于RBAC技术的P2P系统的安全机制;描述了在机制中使用的JAAS和Filter技术,分析了其技术要点及实现流程。具体工程应用证明了RBAC技术适用于P2P系统的访问控制。

蚁群算法研究的新进展和展望

在介绍蚁群算法的原理和特点后,着重分析了当前一些有代表性的蚁群算法的改进机制和应用成果,并采用比较的方式指出了这些方法的特点和主要应用范围等,最后总结了好的蚁群算法应具有的特点以及将来的研究策略与发展趋势。

基于数组前缀树的频繁项集挖掘算法

频繁项集挖掘算法研究的焦点是不断提升算法在海量数据集上的挖掘性能.其中,基于前缀树的挖掘算法FP-Growth是目前研究的焦点之一,它在挖掘性能上有很大的改进空间,因此基于数组技术的FP-Growth*与基于被约束子树的STmine等改进算法被提出.这些算法有效提升了挖掘速率,但在搜索策略与计数方式两个方面仍存在可完善的地方.本文提出基于数组前缀树的频繁项集挖掘算法AFP-Growth.该算法使用新的遍历策略解决了FP-tree的项节点变换问题,完善了数组前缀树的构建过程以提升其计数效率,并且用数组前缀树代替FP-tree,减少了对树的遍历时间.通过实验验证表明,改进后的AFPGrowth算法在多数真实数据集上具有比FP-Growth*等其他高效算法更佳的挖掘性能,不仅减少了挖掘时间,也降低了内存消耗,体现了其对海量数据集挖掘的潜能.

基于FPMAX的最大频繁项目集挖掘改进算法

挖掘事务数据库中的最大频繁项目集是数据挖掘领域一个重要的研究方向。基于FP-tree的FPMAX算法是目前较为高效与稳定的最大频繁项目集挖掘算法之一。然而对于稠密数据库中的挖掘,FPMAX会产生大量的冗余递归过程,导致额外的条件FP-tree构造开销。而且在支持度较低时,FPMAX则会因用于超集检测的全局MFItree较为庞大而导致超集检测的性能下降。为此提出FPMAX的改进算法FPMAX-reduce,其通过采用基于事务共同后缀的前瞻剪枝策略来减少挖掘过程中的冗余递归过程。当递归过程中产生的新条件FP-tree规模较小时,FPMAX-reduce通过构造条件MFI-tree来减小后续超集检测遍历的开销。性能试验表明,FPMAX-reduce算法通过有效的前瞻剪枝,在稠密事务数据库以及低支持度的情况下至多可将递归过程减少至原算法的一半以下,进而有效地提高了FPMAX算法的效率。

基于进化聚类的动态网络社团发现

社团的数目和时间平滑性的平衡因子一直是基于进化聚类的动态网络社团发现算法的最大的问题.提出一种基于标签的多目标优化的动态网络社团发现算法(LDMGA).借鉴多目标遗传算法思想,将进化聚类思想转换为多目标遗传算法优化问题,在保证当前时刻的聚类质量的同时,又能使当前聚类结果与前一时刻网络结构保持一致.该算法在初始化过程中加入标签传播算法,提高了初始个体的聚类质量.提出基于标签的变异算法,增强了算法的聚类效果和算法的收敛速度.同时,多目标遗传算法和标签算法的结合使算法可扩展性更强,运行时间随着节点或者边数目的增加呈线性增长.将该算法与目前的优秀算法在仿真数据集和真实数据集上进行对比实验,结果表明,该算法既有良好的聚类效果,又有良好的扩展性.

移动P2P计算研究进展

随着无线网络技术和P2P计算的发展以及大量用户移动性应用的需求,人们在研究无线网络和P2P计算的众多问题的同时,也提出了基于无线网络的移动P2P计算的研究课题,并且在文件共享、路由策略、体系框架、访问控制等方面取得了丰硕的研究成果。在分析新型的移动P2P计算的基础上,总结了现有的研究成果,分析了其应用领域和技术方案以及移动P2P计算未来的发展趋势。

具有负载均衡和蚁群优化的移动P2P路由策略

分析了移动P2P网络的移动节点设备资源更加短缺,网络更加动态多变,建立健壮的路由策略是非常重要的。通过研究移动P2P网络的特征,从路由发现、路由选择、路由保持三个方面入手,提出了一种新的具有负载均衡和蚁群优化的路由策略。利用蚁群算法理论来指导移动agent的全局搜索的路由发现工作,并且结合通用的能量消耗公式计算得到的节点剩余能量和节点业务执行等候队列长度来优化路由选择工作。从仿真实验可以看到,该路由策略在平均端到端的延迟、路由控制负载方面具有性能优势。同时,节约了节点的能量,延长了节点在网络中的生存时间。

基于主观兴趣度的关联规则优化算法

基于兴趣度的规则优化算法通过整合用户领域知识,对规则进行了精简和优化,有效地帮助了用户发现其最感兴趣的规则。但算法仍存在兴趣度计算方式欠妥、用户含义表达受限等问题。提出对兴趣度计算方法的改进,对单模板情况下的计算进行分类讨论,解决了兴趣度计算不合理的问题。同时,新算法引入复合模板的技术,支持对规则的多维分析,丰富了用户含义的表达。通过2组对比实验验证,改进后的基于主观兴趣度的规则优化算法能导出更加合理的兴趣度排序结果,给用户提供更有价值的规则参考。

一种新的移动自组网的数据传输策略

为了提供移动自组网端到端的健壮的数据传输策略,对基于地理信息的路由协议进行优化,重点解决由于骨干节点停止工作后容易导致的整个网络快速崩溃问题,实现了能量的均衡。同时,根据排队理论,提出了一种移动节点的数据传输等候队列的调度策略,增加了移动自组网的端到端可靠的数据传输。基于NS的仿真实验,从路由协议选择、路由协议优化、数据传输等候队列调度策略方面展示提出的传输策略的优势。实验结果表明,该传输策略提高了节点能量利用率和节点生存时间,增加了数据传输的成功率,提高了网络的稳定性。

基于加权内容-结构网络和随机游走的社团划分算法

针对传统模块优化社团划分算法仅能利用网络的结构信息,而无法利用同样丰富的内容信息,导致划分精度较低的问题,提出一种结合内容属性并通过给连边加权来全面优化网络拓扑结构的社团划分算法CCSRW(Classification with Content-Structure and Random Walk).设计利用随机游走理论计算结构节点与内容节点间的相似性关系矩阵,并将结构节点映射到内容属性空间上,最终把社团划分问题转化为多维无监督聚类问题.通过在真实数据集上进行的全面实验分析,展示了相比于传统社团划分算法,本文的算法能更准确的描述网络结构,显著提高划分性能,并有效解决小社团不敏感问题,更适用于大规模复杂信息网络的社团划分.

空间信息数据库实验教学改革与实践

针对空间信息数据库的教学目标和特点,介绍了实验教学的重要性,并进行实验教学改革的探讨,包括改革的策略,改革的计划等,最后,分析了如何进行实验教学改革的实践工作。该实验改革不仅在教学中取得了很好的教学效果,也为如何培养学生的学习能力和提高学生的综合素质进行了有益的探索。