基于并行化多路径的IPv6网络拓扑发现算法

传统的基于源路由机制的Traceroute6拓扑发现方法应用于IPv6网络时存在效率低、耗时长等问题,为此,提出了并行化多路径(Parallel Multi-Traceroute,PMT)发现算法,通过规则对庞大的探测空间进行压缩,同时改变ICMP包的收发方式.在华南理工大学校园网上对PMT算法的准确性、完整性以及效率进行了测试,并与传统的Traceroute算法进行对比.结果表明:使用PMT算法得到的结果与实际网络更加吻合,源路由机制对拓扑完整性、准确性起到了很好的补充作用;PMT算法的探测时间比未改进的传统的Trace-route算法平均缩短89%,可以满足IPv6校园网络拓扑发现的实际需求.

数据挖掘算法并行化研究

数据挖掘的目标是从海量的数据中抽取出模式，找出数据变化的规律和数据之间的相互依存关系，使人们能够从宏观的高层次的角度来审视数据，充分发掘数据的潜力，指导人们的行为，为决策和科学发现提供有力的支持。关联规则发现是知识发现阶段的重要问题，其目的是找出项集的关系。最近几年数据挖掘算法已经吸引了研究人员和从业者的巨大兴趣。

一种基于局部拓展的并行重叠社区发现算法

处理海量级数据的有效途径之一是将算法分解为一系列互不依赖的任务,然后利用开源工具并行地执行算法。而在重叠社区发现算法中,基于局部拓展的方法在拓展阶段往往仅需要局部社区及其相应的邻居结点的信息,因而具备可并行执行的可能性。提出了一种可并行化执行的局部拓展算法,并借助开源工具Spark将其实现。算法分为4个阶段。首先,挑选出一组不相关的中心结点并使用其对应的局部网络作为种子;其次,通过删除本身连接不是很紧密的局部网络来过滤选出的种子;然后,采用一种批量式的拓展策略来拓展种子,即一次向局部社区中添加一批邻居结点或从社区中删除一批结点;最后,融合相似的社区。在人工生成的网络以及真实世界中的网络上的实验结果显示,所提算法既准确又高效。