基于分簇聚类的光网络流量大数据跨源调度方法

光网络凭借其容量大、传输速率高、业务透明、损耗低等优势得到了广泛的应用,并且随着用户规模与用户传输需求的增加,导致光网络流量不足现象发生的频率增加,制约了光网络的发展。因此,提出基于分簇聚类的光网络流量大数据跨源调度方法研究。首先,采用分簇聚类算法处理光网络流量大数据。其次,通过XGBoost模型预测下一时刻的光网络流量。以成本最小化为目标,构建流量跨源调度数学模型,并确定所构建模型的约束条件。最后,以遗传算法为工具,获取流量跨源调度最佳方案,执行最佳方案即可实现光网络流量大数据的跨源调度。实验结果显示:应用提出方法获得的光网络流量大数据聚类结果与期望光网络流量大数据聚类结果一致,流量跨源调度成本最小值为16万元,表明提出方法具备更好的流量跨源调度性能。

基于四维聚类的R^＊-树结点分裂算法

针对R*-树应用到逆向工程领域时遇到的适用性差等问题,提出一种新的R*-树结点分裂算法,该算法以R*-树结点最小边界矩形外接球半径为权值,对点、三角形、矩形等多种三维几何对象进行加权处理,将其统一表示为四维点对象,选定距离最远的两个四维点作为初始分簇中心,根据点到两分簇中心的距离进行分簇,结合k-means算法以结点外接球半径为权值计算新的分簇中心,并迭代分簇过程,直到各分簇中心不再变化,结束R*-树的结点分裂过程。试验证明,采用该结点分裂算法可处理复杂数据对象的分簇,并在提高建树效率的同时,优化R*-树结构,提高空间查询效率,对提高逆向工程数据预处理效率具有重要意义。

基于分簇聚类的云架构数据中心网络流量调度方法

云架构数据中心网络流量具有种类繁杂的特点,应用传统的流量调度方法存在丢包率高、CPU利用率低的问题,为此利用分簇聚类技术实现对网络流量调度方法的设计。分别从控制层、核心层、聚合层、边缘层四个层级,搭建云架构数据中心网络的拓扑结构。检测云架构数据中心网络流量,并结合检测结果利用分簇聚类技术实现对网络流量的聚类处理。通过分配网络带宽、设置基本调度约束和流量分类调度控制三个步骤,实现数据中心网络流量调度。实验结果表明,该方法的丢包率降低了6.46%,且对CPU的利用率更高,可以有效提升云架构数据中心的数据传输效率。

基于分簇聚类的网络流量分类调度模型研究

为了提高云构架数据中心网络的流量预测能力,提出一种基于分簇聚类的网络流量分类调度模型。采用小波熵特征提取方法进行云构架数据中心网络流量预测,对云构架数据中心网络的流量数据进行了比特序列流模型构建,采用统计回归分析方法对云构架数据中心网络流量数据进行全样本分段线性规划分析,采用多尺度小波分解方法提取小波熵这一重要的非线性特征,根据特征提取结果采用分簇聚类方法进行流量分类调度,实现云构架数据中心网络的流量预测。仿真结果表明,采用该方法进行网络流量分类调度的均衡性较好,流量传输的丢包率较低,避免了网络拥堵。

基于优化SMOTE算法的非平衡大数据集分类研究

在处理非平衡大数据集中,提出一种基于优化SMOTE方案的分类算法研究,在临近样本插值分类中引入分簇聚类的理念,具体分为安全样本、危险样本和干扰样本,并重点对安全样本做插值处理。对插值后的数据样本做区间化处理,能够改善插值后数据过于集中的状况,提高样本分布的均匀度。算法性能验证结果表明,分类算法的规模成长性更好,具有更强的数据集扩展能力,在多数据集性能分类对比实验中,提出的改进算法的MATLAB仿真性能具有明显优势。

通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。

LEACH协议的簇头多跳(LEACH-M)改进算法

节能高效的实现路由转发是路由设计的一个关键点。总结了目前已有的无线传感器网络的传输路由模式,发现早先提出的LEACH协议虽是无线传感网中的低功耗自适应分层路由算法,但会造成簇头节点负载过重。成簇算法是传感器网络中减少能量消耗的一种关键技术。提出的是基于LEACH算法的多跳路由改进算法,并在考虑簇头最优个数的选择下,通过采用簇头之间的多跳算法达到减少能量消耗、延长传感网的寿命的目的。实验表明此方法有效。

最优化方法在分子识别中的应用(英文)

分子识别是指两个或多个分子靠非共价键专一地结合在一起.分子识别在物质的形成,细胞信号的传递,基因信息的表达和药物的设计等方面起重要的作用.我们首先对数学和计算方法在分子识别上的应用作了回顾,并从量子力学,经典分子力学和热力学上解释分子识别可转换成一类最优化问题.其次,我们指出了解决这类最优化问题的困难.最后,我们报告了在预报配体与蛋白质识别上所获得的一类新的选择方法.这类方法可将预报的成功率从63%提高到90%.

三角网格曲面模型动态空间索引结构研究

提出一种高效的三角网格曲面模型动态空间索引结构——R*S-tree,以三角面片的最小包围盒(MBR)作为数据节点,以其外接球参数作为节点最优评判指标,基于提出的簇集指派规则采用k-means算法进行节点聚类分簇,实现节点分裂,完成三角网格曲面模型动态空间索引结构的建立,实验证明,采用该索引结构可有效提高三角面片的空间查询效率。

无线传感器网络LEACH协议的改进与仿真

文章针对无线传感器网络中的LEACH协议进行研究和分析,指出其簇头数目不均衡与节点负载不均衡的问题。通过分析LEACH协议和网络特性,给出基于节点能量消耗模型网络中要选举的最佳簇头个数和节点负载均衡改进算法,并利用NS对改进算法进行仿真。

分布式数据库分片关系变换自适应查询技术研究

分布式数据库查询过程中受到数据片之间的耦合关联的影响,容易出现查询输出冗余误差,为了提高查询准确性,提出一种基于分片关系变换的分布式数据库自适应查询技术。构建分布式数据库的分簇聚类模型,采用数据关系集的本体特征融合方法进行数据库的状态向量空间组合,在组合的状态矢量空间中进行数据集的分片处理,根据分片属性进行自适应特征分解和耦合关系变换,提取待查询数据集的互信息熵特征量,根据提取的互信息熵特征量的后置聚集性进行数据查询,输出准确的查询数据集。仿真结果表,采用该方法进行分布式数据库查询的准确性较好,数据查准率和自适应性能较优。