基于网络代价的流媒体缓存策略研究

该文构造了一种新的流媒体缓存效用函数,该函数综合考虑流媒体节目的流行度特性及传输网络的代价参数;设计了一种针对多视频服务器、基于网络代价的流媒体缓存分配与替换算法(Network Cost Based cache allocation and replacement algorithm,NCB)。仿真实验结果显示,NCB算法有效提高了缓存命中率,降低了传送流媒体所消耗的总体网络代价;该算法在网络结构复杂、节目数量庞大的Internet流媒体应用环境中表现出较优越的性能。

基于多维业务的网络代价分布式优化算法

实际的通信网络是由多种网络组成的,网络代价最小化问题需要研究各个网络应当承载的业务量,然而目前网络负载均衡算法对业务分配优化问题仅考虑单网络场景。针对多网络场景,提出了四种不同网络间相互合作的业务分配问题的多维业务分配算法。该算法在考虑网络间的业务分配问题时,从网络容量、业务类型、网络覆盖范围、用户习惯和终端等几个因素综合考虑,在这些因素的约束下,通过求解网络代价最小化方程,得到了最优业务分配方案。通过对单位区域内的多网络负载场景进行仿真,验证了该算法对网络负载优化的有效性,可充分降低网络负载,适用性强。

基于用户约束对照算法的网络代价最优化设计

网络负载和资源代价的最小化设计可以提高网络容量和业务量,优化分配方案,传统方法中采用的是单网络场景进行业务分配优化,无法满足多种网络混合分配的实际需求,网络代价开销大。提出一种基于用户博弈约束对照算法的网络代价最小化设计方法,构建一个多维业务网络场景的分布式网络模型,把网络间的业务分布的优化问题等效于网络代价最小化设计问题,在网络运营商和用户习惯约束对照博弈中,通过扩展特定业务需要的最小数据速率,减少网络代价,设计网络代价最小化设计优化目标函数。实验结果表明,该算法对网络负载的控制性能较平稳,代价开销控制精度合理,网络代价被约束到了一个较小的范围,使得网络代价最小化,为运营商节省相当多的网络开销。

基于代价敏感神经网络集成模型的类别不平衡问题研究

在解决类别不平衡问题的过程中,传统分类模型往往偏向对大类别样本的学习,影响模型分类效果。基于此,文章从数据采样、模型选择2方面入手,给出代价敏感神经网络集成(cost-sensitive neural network ensemble,CSNN_Ensemble)模型。首先通过随机下采样,得到多组训练数据集;其次对每组训练数据集训练BP神经网络,并结合代价矩阵构造多个代价敏感神经网络;最后以代价敏感神经网络为基学习器构造并行集成模型,并以投票的方式进行最终决策。实验结果表明,该模型在F 1值、AUC值和期望总体代价3种性能方面表现优越,并具有一定的鲁棒性。

考虑整体消耗代价的无线传感器网络分簇算法

在LEACH协议的基础上,研究一种无线传感器网络分簇算法,采用高级节点作为固定簇头替代LEACH中的随机簇头选择策略,推导出最优簇头节点数目即所需高级节点数的计算公式及各类节点所需能量的表达式,并从网络整体消耗代价的角度出发,通过仿真对网络性能进行分析评价。结果表明,采用一定量的高级节点作为固定簇头,当其节点硬件代价和电池能量代价之比a1/b超过一定值时,新算法的整体网络代价明显低于LEACH。

高性能计算过程中基于网络带宽代价的节点决策算法研究

针对高性能计算中由于网络延迟造成的地理位置分散的节点资源使用率不均匀现象,提出了一种自适应的节点决策算法。该算法通过估计待选节点的作业执行代价,选择一个代价最小的节点作为作业的执行节点,提高了作业的响应速度,高效地利用了计算资源。文中首先给出了远程作业执行的模型,其次给出了网络通信特征以及自适应代价模型,最后提出了基于网络带宽代价的节点决策算法并对该算法进行了系统的评价,取得良好的效果。

基于“最小差值法”的网络模型耗费代价研究

最小生成树算法是数据结构中，求网络模型耗费代价最优解的一个重要工具。现实生活中的连通网络模型复杂而多变，有时还需兼顾其它的目标，一棵最小生成树不足以解决问题，因此找出所有的最小生成树是很有必要的，在此提出一种新的寻找所有最小生成树的算法--最小差值法。无向连通图网络通过去掉连枝生成最小生成树，一个连枝加入最小生成树形成一个圈。这种算法是在一个圈中，用连枝的权与其它树枝的权分别作差，求最小差值。由最小差值是否为零，判断原有的最小生成树能否通过换进换出边，生成新的最小生成树。该算法能够有规律、高效率的寻找出所有的最小生成树。在找出的所有最小生成树方案中，选择符合实时情况的最小生成树方案，该方案即为网络耗费代价的最优解。

基于代价敏感神经网络算法的软件缺陷预测

软件缺陷预测作为软件工程领域的重要研究内容已有近30年。近年来,随着机器学习技术的发展,传统机器学习技术基于静态代码属性的软件缺陷预测领域得到广泛应用。然而,传统的机器学习算法并未考虑软件缺陷预测过程中,常见的代价敏感问题与类不均衡问题。文中将基于过采样技术和阈值移动技术的代价敏感神经网络算法应用于软件缺陷预测领域,从而解决该领域的代价敏感问题与类不均衡问题。在NASA软件缺陷预测标准数据集上的实验证明了其有效性。

一种基于用户影响力的社交网络传播代价模型设计

为了对社交网络传播代价进行评估,以微博为例,提出一种社交网络传播代价的评估方法。利用Page Rank算法和层次分析法计算微博用户影响力;采用贪心算法和全局算法,得出在所有用户都能看到消息的前提下所需发布的用户数量的排名,并对这两个算法进行比较。综合用户影响力和微博的发布用户数量排名建立社交网络传播代价模型。根据微博数据,对社交网络传播代价进行评估。

区分业务的混合网络资源优化方法

为了实现混合网络资源的最大利用,以IP/GMPLS over WDM网络为例,提出了一种区分业务的混合网络资源优化方法。该方法通过不给多跳低等级业务提供光路级保护,以及当承载LSP业务的工作光路故障无关的情况下保护光路共享波长资源的方式,有效降低了光路的建立数以及所需的波长数,在最大程度上提高了网络资源的利用率,降低了网络的整体开销。最后建立了整数线性规划模型,并通过该模型验证了方法的有效性。

一种时延受限的低代价移动IP组播路由算法

基于固定和移动IP混合网络,针对时延敏感的实时通信业务,建立了网络模型,提出了有时延约束的低代价组播路由问题,给出了一种分布启发式组播路由算法,证明了算法的正确性,分析了算法的复杂度。仿真结果表明,算法是有效的、稳定的。

无线异构网络中的切换预测算法

针对当前移动终端在无线异构网络间切换不理想的问题,提出了一种终端预测的切换算法。给出了网络代价函数,归一化网络参数,网络参数预测算法和垂直切换基本流程来确保垂直切换的合理性。事实证明该算法可以有效地减少切换次数,提高系统的切换性能,改善网络的QoS。

异构无线网络的自适应垂直切换判决算法

在未来的异构环境中,网络间的垂直切换将对QoS保证产生重要影响。针对移动终端在异构网络间切换不理想的问题,提出了一种自适应的垂直切换判决算法。采用基于用户多应用的代价函数对接入网络进行评估与选择,综合考虑移动终端当前的电池电量,判断当前业务是否需要进行网络切换,使移动终端能自适应地进行切换判决。仿真结果表明,该算法可以有效地延长移动终端的工作时间,减少乒乓效应,提高系统的切换性能,改善业务的QoS。

分布式数据库查询执行代价模型的研究

本文在收益半连接的研究基础上,对查询执行代价模型进行研究,提出一种包括数据副本选择、多连接查询次序、操作站点选择、数据传输及局部数据处理等因素的代价模型,能准确地描述当前分布式数据库查询执行计划的代价,更具有实际意义。

一种基于虚拟数据库的分布式查询优化算法

针对虚拟数据库系统 (简称“VDBMS”)执行分布式查询时的网络代价问题 ,提出一种基于关系运算代价估算理论及半连接技术的分布式查询优化算法SJQA (Semi joinBasedQueryAlgorithm ) .较之最大子查询法 ,该算法加入了对子查询之间执行顺序及连接方式等方面因素的考虑 ,从而能更有效地减少分布式查询的总网络代价 .实验结果表明 ,对于带有选择运算的查询 ,SJQA算法的优化效益与查询的选择因子大小成近似反比关系 ,因此它对该类查询的优化效果是十分明显的 .

基于预测机制的MAS协商通信模型

网络代价直接影响MAS通信性能,特别是在服务器过载情况下影响更为明显。为减少网络通信代价、减轻服务器负载,引入预测机制,提出一种根据网络代价、服务器负载的预测结果,动态选择agent远程通信或MA迁移方式的协商通信模型MRCM,模型中引入黑板结构,实现预测结果在MAS系统中的共享,增强预测成功率、准确率。实验表明该方法对网络代价、服务器负载预测近似准确,能有效地降低通信开销。

代价敏感概率神经网络及其在故障诊断中的应用

针对传统的分类算法大多以误分率最小化为目标,忽略了误分类型之间的差别和数据集的非平衡性的问题,提出代价敏感概率神经网络算法.该算法将代价敏感机制引入概率神经网络,用期望代价取代误分率,以期望代价最小化为目标,基于期望代价最小的贝叶斯决策规则预测新样本类别.采用工业现场数据和数据集German Credit验证了该算法的有效性.实验结果表明,该算法具有故障识别率高、泛化能力强、建模时间短等特点.

基于关键词的云计算语义文本自适应分类

传统语义文本分类方法难以高效地在云计算环境下进行中文文本快速分类。为解决该问题,提出一个在云计算环境下基于语义关键词提取的分布式中文文本自适应分类算法,在代理端对中文文本关键词进行基于语义的分布式提取,并将提取出的中文关键词传输到中心数据库端进行整合,从而确定文本本身类别。通过理论证明在关键词提取数量足够的情况下,提出的文本分类算法可以在保证中文文本分类效果的前提下,有效降低网络传输的代价,从而提高中文文本分类算法在云计算环境下的性能。实验结果验证了该算法在云计算环境下的可行性以及理论推导的正确性。

数据库查询执行成本模型研究

在收益半连接的研究基础上,对查询执行代价模型进行研究,提出一种包括数据副本选择、多连接查询次序、操作站点选择、数据传输及局部数据处理等因素的代价模型,能准确地描述当前分布式数据库查询执行计划的代价,更具有实际意义。

基于经济划拨优化机制的WSN资源调度算法

鉴于当前无线传感器网络WSN资源调度过程中存在数据吞吐鲁棒性较差、难以实现资源优化划拨且存在严重的吞吐拥塞现象,本文采用经济划拨优化机制,提出了一种新的WSN资源调度算法。首先,在WSN数据吞吐生命周期内进行经济成本建模,根据WSN节点具有的数据吞吐特指进行划拨分析;然后将网络总代价、数据损失等纳入经济模型中,使用基于拉普拉斯评估方式针对经济成本(Money)、维度(Time)、服务可靠(Reliability)进行划拨流程评估函数计算,从而实现了WSN资源的优化调度。仿真实验证明了本文算法能够降低WSN吞吐现象,提高网络的鲁棒性,且无论是在高传输率还是在低传输率时均有显著的优势,具有良好的实际使用价值。