一种新的基于概率统计论的P2P网络信任模型

经典的P2P网络信任模型采用迭代方法由局部信任值推算出全局信任值,每次交易都要引起整个网络节点的迭代运算,导致计算复杂,通信流量大,并且面临交易数据过于稀疏,计算不够精确从而容易陷于恶意节点的共谋、诋毁和睡眠等攻击问题。为了保证数据的稠密性与计算结果的精确性,论文基于概率统计理论,提出了一种新的全局信任模型。该模型根据节点的历史交易情况,运用最大似然估计,假设检验等方法计算出节点的信任度,节点选择与可信度高的节点进行交易。数学分析与仿真实验表明该模型能有效地抵抗恶意节点的攻击,与经典信任模型Eigentrust相比,较大程度地提高了整个P2P网络的成功交易率。

基于高层语义的图像检索算法

利用Bayes统计学习和决策理论,建立了一种图像语义综合概率描述模型(image probability semantic model,简称IPSM).该模型是一种基于描述性特征建模方法的分层体系结构,由原始图像层、图像特征层、图像语义层、综合概率层、概率传播层和语义映射层6个部分组成.并在IPSM模型对图像的语义分类特征进行描述和提取的基础上,提出并实现了基于高层语义的图像检索算法(semantic high-level retrieval algorithm,简称SHM)以及基于高层语义的相关反馈算法(semantic relevance feedback,简称SRF).实验结果表明,IPSM模型及SHR和SRF两个算法能够有效地对图像的高层语义进行刻画,其图像匹配检索效果良好,并具有稳定的检索性能.

基于Bayes的对等网信任模型仿真与分析

针对对等网络环境中的信任关系的复杂性,动态性和不确定性以及传统的信任管理模型不能很好地适应对等网络,对基于Bayes概率统计的信任量化模型进行仿真与分析,在信任计算中,引入经验贝叶斯估计来计算直接信任值和推荐信任值,节点根据自身的情况进行权重分配,计算综合信任评价,最后提出了信任模型在对等网络中的实现方法。仿真结果显示,该模型具有很好的动态适应能力,可以有效地检测并隔离系统中的恶意节点,降低系统的服务失败率。

应用转型背景下地方本科高校“概率统计”课程教学的思考

概率统计在科学技术和经济管理中起着重要的作用,是理工和经管专业学生的一门重要的基础课。论文从实际教学中提出了概率统计教学中存在的一些问题。结合地方本科院校实际提出了提高学生学习兴趣和实际动手能力的四条建议。