基于区块链和压缩前缀树的去中心化域名系统

现存的基于区块链的去中心化域名方案多存在去中心化不彻底、时间复杂度高、区块链存储膨胀等问题,为此提出了一个兼顾时空复杂度和去中心化程度的域名方案。首先,借助区块链实现去中心化,使用对等节点充当域名服务器,不另设特殊节点,实现彻底的去中心化;其次,设计了一种基于压缩前缀树的数据结构(DNT)以改善区块链的存储膨胀问题和降低系统的时间复杂度,并针对DNT提出了一种高效检索算法;最后,提出了一种基于非对称密钥的零集中管理机制用于系统在去中心环境下运营。实验结果表明:DNT在改善存储膨胀问题上有着良好的效果,总体空间占用约为每千万条0.87 GB,仅为同类方案的10%;DNT对节点总数和深度都有出色的抑制效果,节点总数比前缀树(Trie)少了2个数量级;吞吐率几乎不会随着区块高度的增加而衰减。

一种空间相关性与隶属度平滑的FCM改进算法

针对传统的模糊C均值(Fuzzy C-Means,FCM)及其改进算法对样本进行聚类时存在对噪声敏感及边界样本聚类不够准确等问题,该文提出一种基于空间相关性模糊C均值聚类改进算法。首先分析样本的空间分布特征及相互影响,设计样本的影响值来改进聚类中心计算方法及距离计算函数,然后结合邻域信息,通过在邻域内样本隶属度求和过程中引入一控制参数来重新定义模糊隶属度矩阵,从而实现邻域样本的隶属平滑。理论分析和实验表明,改进算法对含有大量噪声的样本及图像中各区域边界值的处理有较好的效果。

基于模糊相关度的模糊C均值聚类加权指数研究

在极小化模糊C均值(FCM)聚类目标函数的过程中,针对目前模糊加权指数m的确定缺乏理论依据和有效评价方法的问题,提出了一种基于模糊相关度的模糊加权指数计算方法。首先定义模糊相关度的聚类有效性函数,然后通过Gauss迭代计算FCM聚类有效性并将其反馈到模糊加权指数的变化中,从而使m收敛到一个稳定的最优解。理论分析和实验结果表明,该算法是有效的,所得到加权指数m符合预期的结果。

模糊C均值聚类区间型模糊化参数模型

针对经典模糊C均值聚类算法中模糊加权指数对聚类的影响及其取值范围不确定性问题,提出了一种区间型模糊加权指数的设计模型。分析该模型设计的理论依据及对聚类结果的影响,推导出包括模糊隶属度划分矩阵、模糊聚类中心等基于该模型的模糊化参数表示方法。理论分析和实验证明,区间型模糊化参数模型的设计在基于模糊划分的数据处理中取得了很好的效果。

基于模糊综合评判的相似重复记录识别方法

针对在基于字符串匹配的相似重复记录识别中,属性权值确定主观性太强的问题,提出一种模糊综合评判获取属性权值的方法。采用多用户对各属性的重要性组成因素进行等级评价,通过模糊映射获得反映属性重要性的权值,并以此为基础进行相似重复记录识别。理论分析和实验表明,该方法能客观地获取各属性权值,因而在相似重复记录识别中有较高的识别精度。

基于多维向量模型模糊聚类的图像识别研究

从建立像素色彩空间的多维向量模型出发,采用一种改进的模糊C均值聚类算法对图像进行分割,从而得到一组图像像素空间的特征区域向量,并采用特征向量相似度计算方法计算图像相似度,进而比较两幅图像相似度大小,以达到图像识别的目的。通过实验对图像相似识别效果进行验证,实验表明,基于多维向量模型模糊聚类方法在图像识别中有一定应用价值。

基于直觉模糊聚类的Web资源推荐方法

在Web资源分类中,针对传统基于用户兴趣的方法不能准确反映用户兴趣的变化以及难以区分资源内容的品质和风格等问题,提出一种基于直觉模糊C均值聚类的Web资源聚类推荐方法。该方法首先根据用户兴趣度将Web资源表示为直觉模糊数,然后应用直觉模糊信息集成理论进行资源分类,最后实现向用户推荐相似或相近资源。理论分析和实验表明,该方法比传统的模糊C均值以及协同过滤方法在推荐质量上有很大的提高。

抑制式模糊C均值聚类惩罚因子的改进

针对传统模糊C均值(FCM)算法在聚类过程中存在收敛速度慢、对大数据处理实时性不强等问题,提出了一种基于惩罚因子的样本隶属度改进算法。首先分析抑制式模糊C均值(SFCM)聚类特点,研究惩罚因子对样本隶属度修正的触发条件,进而设计出基于惩罚因子的SFCM聚类隶属度动态修正算法。通过算法实现样本向"两极移动",达到快速收敛之目的。理论分析与实验结果表明,在相同的初始化条件下,改进算法的执行时间效率比传统FCM算法提高约40%,比基于优化选择的SFCM(OS-SFCM)算法提高10%,其聚类准确度与其他两种算法相比也有一定的提高。

非均衡原型结构模式模糊聚类方法研究

针对传统FCM算法通常只能检测大小近似相等呈球形或椭球分布的样本子集,而对样本结构、类型、密度分布不均衡的数据集聚类效果不理想等问题,提出一种基于原型初始化的样本隶属度分配方法.首先运用数学形态学理论对聚类原型初始化以获得模糊聚类的原型先验知识,在此基础上设计一种样本隶属分配方法进行样本聚类.理论分析和实验表明,该方法不但可以解决样本集内原型结构差异悬殊的数据集聚类问题,而且具有求解速度快、易于实现等优点.

基于数学形态学FCM聚类原型图像降噪方法

由传感器得到的图像往往含有大量噪声,针对目前常用的二维直方图算法在图像噪声检测与分离过程中存在的不足,以及传统FCM聚类算法的特点,提出了一种基于数学形态学的FCM聚类原型初始化方法:首先基于数学形态学理论确定图像初始聚类点簇,然后运用FCM对点簇进行处理。理论分析与实验表明,该方法能有效消除图像中的噪声点,对均匀噪声背景下图像处理有一定的应用价值。

一种识别相似重复记录的模糊匹配方法

针对多数据源集成中存在的相似重复记录的问题,提出了一种基于用户兴趣度分组的模糊匹配识别方法。首先通过用户兴趣度方法来计算属性的权值,然后按照数据分组思想,选择权值大的属性将数据集分割成不相交的小数据集,最后在各小数据集中用模糊匹配算法进行相似重复记录的识别,为了提高识别效率,可选择余下权值大的属性进行多次分组和识别。理论和实践表明,该方法有较高的识别效率,能有效解决数据集成中相似重复记录的识别问题。

独立学院计算机专业建设的探索

通过分析我国独立学院的办学定位与人才培养模式和当前独立学院计算机专业建设存在的问题,探讨了独立学院计算机专业课程体系、实践教学体系建设方案,为更好地培养适应地方经济发展的信息技术人才服务。

Power Builder环境下异构数据集成实现技术

针对数据库应用系统中对异构数据的操作和集成问题,提出了在Power Builder环境下实现对异构数据库集成的三种解决方案:利用动态配置数据源实现数据集成;利用数据管道实现数据集成和利用数据窗口技术实现数据集成,并详细阐述了三种方案的实现过程。

基于C-Omega数据库语言的阻抗不匹配研究

分析C-Omega语言和查询语言的集成过程,指出集成中使用查询运算符的优点,提出C-Omega语言和查询语言在操纵数据集时阻抗不匹配的解决方案。该方案解决了查询语言和宿主语言在软件开发中编程风范不同且数据类型相异的问题,并能及时发现数据库中的错误。

信息与计算科学专业特色课程结构建设的探索与实践

立足于本校实际,分析了目前信息与计算科学专业的特点和存在的问题,从而确立了具有本校特色的信息与计算科学专业人才培养目标,在此基础上探讨了一种能突出该专业特色的优化合理的课程结构建设方案,并在办学过程中对该方案的有效性进行了实践和总结。

基于会话跟踪机制的管理信息系统用户安全设计

从跟踪用户会话的角度,探讨一种利用Session和Cookie技术实现的用户安全设计方案,并就高校教务管理系统,阐述用户安全管理的具体处理流程。

用.NET组件对异构关系数据库访问的高校教务管理系统

介绍了ASP.NET技术及其特点,在基于.NET组件的Web应用系统三层模型的基础上,探讨了一种用.NET组件的高校教务管理系统应用结构模型,并重点介绍了该模型中对异构关系数据库访问的设计方案的实现方法。

基于兴趣度向量模型的协同过滤推荐技术研究

在引入兴趣度向量模型的基本原理和用户协同过滤推荐技术的基础上,探讨一种有效的基于兴趣度向量模型的商品推荐算法。该算法通过将兴趣度向量模型与协同过滤推荐技术结合起来,在电子商务中实现商品自动推荐,从而提高推荐精度和推荐质量。并对这种推荐算法的有效性进行了实验验证。

基于遗传模糊聚类算法的入侵检测研究

针对常用聚类算法在网络入侵检测中结果不理想的问题,在研究典型模糊C均值聚类算法(FCM)的基础上,提出了一种结合GA与FCM的网络入侵检测算法GFCM,以克服FCM聚类时对初始值敏感、受噪声影响大、容易陷入局部最优等问题,通过在KDD CUP99数据集上对比实验,证明该算法的检测度高,对网络异常攻击行为检测效果较好。

无线传感器网络中能耗均衡的覆盖控制算法

覆盖控制作为无线传感器网络的一个基本问题,对网络的生存时间、部署策略、通信协议和组网等问题的解决具有重要影响。在传感器节点随机冗余部署方式下,传统的方式是在保证覆盖要求和通信连通的前提下仅将最少量的节点投入活跃工作状态,从而降低网络能耗。但是,若频繁地激活同一批节点,会造成这些节点由于能耗过快而较早失效,使整个网络的冗余程度降低。然而,冗余度是传感器网络在单个节点性能有限的情况下提高整个网络的可靠性、容错性、精确性等的基础。为此,本文提出了一个能耗均衡ECB的覆盖问题,指出它是NP完全的,并给出了一个集中式近似算法。该算法根据节点的剩余能量赋于每个节点非负权,再基于Voronoi划分和贪心边方法,在保证覆盖要求的同时选择权和最小的节点激活。仿真实验结果表明,ECB算法求得的活跃节点集小,可以达到有效覆盖,并且可以保持网络的冗余度。