基于离散监督哈希算法的非结构化网络数据库在线检索方法

受非结构化网络数据关联性弱、数据收敛特性差的影响,对相关数据库进行检索时,检索精度难以得到保障,为此,提出基于离散监督哈希算法的非结构化网络数据库在线检索方法研究。首先,基于离散监督哈希算法将非结构化网络数据样本的显式语义标签利用相应的二进制码进行表示,并借助拉格朗日乘子对其进行离散化处理,使得哈希函数对于学习非结构化网络数据显式语义关联快速收敛。然后,按照相同的方式对所有数据及查询请求进行编码。最后,将与查询请求哈希编码匹配程度最高的数据作为优先检索输出结果。在测试结果中,设计检索方法在图像查询文本指令,以及文本查询图像指令下的检索平均精度均值始终稳定在较高水平,且检索时间最高仅为7 s,具有实用性。

基于递归神经网络的非结构化数据加密存储

为实现非结构化大数据的安全存储并提高其抗攻击能力,提出了基于递归神经网络的非结构化数据加密存储方法。通过分块处理医院非结构化大数据,获得输入、输出张量,构建基于LSTM的递归神经网络,生成医院大数据序列;通过向前反馈和向后反馈获得加密数据,将加密后数据包用加密后源数据包的线性组合代替;再设计基于列不满秩概率存储算法,通过加密存储子节点控制器分配加密存储任务。实验结果表明:该方法具有较强的抗攻击能力,存储效率优势更显著。

基于卷积神经网络的结构化非平衡数据分类算法

卷积神经网络具有高效的特征提取能力和较少的参数量,被广泛应用于图像处理、目标跟踪、自然语言等领域。针对传统分类模型对于结构化非平衡数据分类效果较差的问题,提出一种基于卷积神经网络的二分类结构化非平衡数据分类算法。设计结构化数据处理算法Data-Shuffle,将原始非平衡一维结构化数据转换为三维数组形式的多通道非平衡数据,为卷积神经网络提供更多的特征值,通过改进的VGG网络构建适合非平衡数据的网络结构卷积组,以提取不同的特征。在此基础上,提出更新权重加权采样算法UWSCNN,在每个迭代次数之后,根据模型的训练结果对易错样本进行重新加权,以优化训练结果。在adult、shoppers和diabetes数据集上的实验结果表明,相比逻辑回归、随机森林等传统机器学习模型,所提的Data-Shuffle算法的F1值提升了1%~19%,G-mean提升了2%~24%,相比SMOTECNN、BSMOTECNN、SMOTECNN+CS等采样算法,所提的UWSCNN算法对非平衡数据的分类效果提升了1%~13%,有效提高模型对非平衡数据的分类性能。

I-Wander：一种面向非结构化对等网络的Web服务发现方法

针对非结构化对等网络,设计了一种称为I-Wander的Web服务发现方法.将具有相同功能属性的Web服务聚合成社区.查询包在社区间漫游,把漫游过的社区和节点存储起来,构成认识列表.认识列表被逐跳更新,并在查询包相遇时相互交换.查询包在匹配度最高的社区被大量复制扩散,据非功能属性选出最优服务,用于Web服务组合.实验结果表明,服务聚合和认识列表及其交换机制,节省了查询包的探测时间,提高了Web服务查找的效率.

基于主元神经网络的非结构化道路跟踪

在概率的框架内,基于主元神经网络,提出了一种新的蒙特卡罗道路跟踪技术,用于自主陆地车辆在非结构化道路上的导航.使用直线道路模型表示道路边缘,并对其状态利用二阶自回归模型进行预测;在HSV彩色空间将颜色信息和局部空间特征相结合,利用主元神经网络提取主成分;根据道路边缘窗的统计特性,利用粒子滤波器进行道路状态的估计.实验结果表明,该方法能够鲁棒地进行非结构化道路跟踪.

网络课程中非结构化学习资源有效应用的思考

基于Web2.0技术产生的非结构化学习资源对于网络学习者的社会化发展具有重要意义。非结构化学习资源是那些来源不确定、结构模糊、内容动态变化、缺乏稳定性的学习资源,资源本身没有经过专门的教学设计,资源之间也没有明显的相关性。非结构化学习资源有六种表现形式,其有效应用的前提是建立非结构化学习资源的组织环境和资源管理机制。

非结构化P2P网络中减少冗余的搜索策略

在非结构化的P2P网络中,传统的洪泛式搜索造成大量的通信开销,严重制约了网络的可扩展性。根据标准洪泛机制在搜索的不同阶段表现出的不同特性,提出了一种基于TTL的分段搜索策略TTL-Search。TTL-Search把搜索过程分为两个阶段,各个阶段使用不同的策略转发消息。分析和实验结果表明,TTL-Search克服了洪泛搜索盲目性的特点,在一定程度上减少了查询带来的冗余开销,提高了查询成功率,能够高效地应用于非结构化P2P网络。

非结构化P2P僵尸网络鲁棒性分析

僵尸网络结构的不断改进对网络安全造成了极大的威胁,如何深入研究其结构本身的固有性质对抵御该种攻击方式显得尤为重要。从复杂网络的角度模拟非结构化P2P僵尸网络,通过定义度量标准并应用网络中心化指标分析非结构化P2P僵尸网络面对节点失效时的鲁棒性。实验结果表明,非结构化P2P僵尸网络在面对随机节点失效时其鲁棒性较强,而面对高中心化节点失效时其鲁棒性将会迅速降低。

非结构化网络数据库在图书情报服务中的应用

传统图书情报服务无论在服务经营模式 ,还是在技术、研究领域等方面 ,正在面临着 Internet/Intranet所带来的经济和技术革命的全面冲击。本文主要从四个方面对图书情报服务的进一步发展所涉及的技术和功能进行了介绍和探讨。

非结构化对等网络环境中基于超级路径的信任汇聚模型

目前的信任管理模型大多数局限于结构化的对等(Peer-to-Peer)模型,而在非结构化的对等网络环境下,如何能有效地获取节点的全局信任,并对其进行管理已成为当前的研究热点。本文提出了一种将本地信任汇聚于目标节点的邻居节点,并通过超级路径来获得目标节点的全局信任值的信任管理模型SuperpathTrust,较好地解决了非结构化对等网络中信任数据聚集和存储的问题,通过一系列仿真实验,表明该模型信任值计算的准确度高,开销小,与信任管理模型EigenTrust相比,能迅速识别网络中的恶意节点,大大降低恶意交易概率。

非结构化P2P覆盖网络通信协议研究

针对各种基于流言机制的通信协议在构造非结构化P2P覆盖网络中,其适用范围缺乏广泛的实证问题,提出了一个通用的协议框架——基于流言机制的节点采样服务,以执行高效和可靠的节点采样服务。在这种协议框架下通过实验分析了8种通信协议的差异。实验表明,采用不同的通信协议,所构造的非结构化P2P覆盖网络就表现出多种不同的行为特性,为构造非结构化P2P覆盖网络中选取通信协议提供了重要的参考依据。

基于蚁群算法的非结构化P2P网络资源搜索策略

针对非结构化P2P网络资源搜索算法中冗余消息数过多、搜索效率低等问题,提出一种基于蚁群算法的非结构化P2P网络资源搜索策略,该策略利用蚂蚁信息素的正反馈原理,同时综合考虑邻居节点度和邻居-邻居节点信息,选择下一条邻居节点路径转发查询消息,有效地指导资源搜索路径的生成。实验结果表明,该算法在一定程度上减少了大量的冗余查询消息,提高了资源搜索的成功率,是一种有效的非结构化P2P网络资源搜索策略。

一种改进的非结构化P2P网络洪泛搜索机制

非结构化P2P网络使用基于洪泛的查询算法来进行资源搜索。然而,这种搜索机制随着网络节点的增多,网络规模的增大,将产生大量的冗余查询消息,会导致网络流量急剧增加,引起网络拥塞。提出了一种基于转发区间的洪泛搜索机制FIFSM(forwarding interval based flooding search mechanism),通过为消息分配不相交的转发区间,使其沿着一棵生成树的结构传播,消除了消息环路,从而避免冗余消息的产生。FIFSM机制采用高效的网络维护策略,能够在动态环境下以较低的开销保证网络的稳定性。实验结果表明,FIFSM机制能够降低洪泛开销,保证资源搜索的高成功率和低延迟,是一种有效的非结构化P2P网络资源搜索机制。

基于文件分类的非结构化P2P网络搜索算法

为了解决现有的非结构化对等网络的搜索机制不灵活,效率低下的问题,提出了一种新算法.在该算法中,将网络结点按照拓扑分类,同时把要搜索的资源根据其流行程度和位置划分为不同类型,在搜索过程中对不同类型结点在查找不同类型文件时应用不同的搜索策略,提高了搜索效率.实验结果表明,该算法具有较高的灵活性和自治性,且比传统搜索算法有较高的效率.

一种有效的非结构化P2P网络资源搜索策略

针对非结构化P2P网络资源搜索算法中冗余消息数过多、搜索效率低等问题,提出了一种基于邻居-邻居节点的非结构化P2P网络资源搜索策略,该策略可以在一定程度上防止路由环路的产生,同时综合考虑邻居节点的活跃度和资源命中数,选择下一条邻居节点路径转发查询消息,将查询信息发往目标可能存在的区域,因此减少了发往网络的查询信息包数量,节省了网络带宽。实验结果表明,该算法可以减少大量的冗余查询信息,提高资源搜索的成功率,是一种有效的非结构化P2P网络资源搜索策略。

非结构化网络中有价值信息数据挖掘研究

对非结构化网络中有价值信息数据挖掘的研究,可更好的提升非结构化海量网服务质量。采用当前方法进行数据挖掘时,需要对信息数据先进行降噪,但降噪过程较为复杂,挖掘方法局限性大。提出基于关联规则的非结构化网络中有价值信息数据挖掘方法。利用特征提取方法对文本特征进行初步的分类与识别,提取不同文本类型的特征,利用关联规则方法计算各个类型特征间的关联度,将不同文本类型特征中较为明显的词作为聚类的对象,搜索出在给定样本数据上具有最大后验概率的文档划分方案,将每个文档信息作为其类别形成的随机符号序列,采用最大似然估计计算出各个符号的频率分布,利用计算的结果完成对信息数据挖掘。仿真结果表明,所提方法可扩展性较强,可以有效地完成对非结构化网络中有价值信息数据挖掘。

非结构化P2P网络资源搜索改进算法

为了改善非结构化对等网络(peer-to-peer,P2P)资源搜索的网络负载大、搜索时间长的缺点。对现有P2P网络资源搜索算法进行了研究,在此基础上,提出一种基于索引表的跳跃式算法,该算法中每一个节点存有一定数量邻居节点的资源索引,节点利用资源索引表以跳跃方式查询节点,网络中的某些节点需要查询资源索引表,而某些节点无需查询资源索引表,直接转发查询消息即可。通过OPNET进行仿真实验表明,该算法能有效的减少网络负载和搜索延时,提高了搜索成功率。

基于非结构化对等网络的分散式桌面网格平台

描述了一个基于非结构化对等网络、可以共享网络上空闲资源的JVMs虚拟机的桌面网格平台UDDG(unstructureddecentralized desktop grid)。提出了对等实体的最小活跃邻居节点数、更新时间域值等概念,每个对等实体维护了一个最小活跃邻居数的列表,结合非结构化对等网络的网络跳数的机制,通过广播查找消息来寻找资源的虚拟机。通过构建评测环境,运行并行案例程序计算结果表明,UDDG提供了一种构建高性能的桌面网格平台的新思路。

一种基于非结构化对等网络的改进搜索算法

目前非结构化的P2P网络系统中,一般以广播方式作为其搜索的基本策略,引发较大的网络流量。因此,提出改进的搜索策略,根据历史查询记录,为每个节点建立朋友节点,同时又在搜索过程中把节点划分为超级节点和普通节点。实验表明改进算法提高了搜索效率,同时减少了网络信息流量。

非结构化P2P网络的一种改进搜索算法

分析非结构化P2P网络中利用原始的洪泛法进行资源搜索时产生冗余查询包的原因,提出整改的措施和优化的机制,在此基础上给出改进的搜索策略,同时设计出一种更好的分段搜索算法,并对其进行实验仿真,通过和洪泛法的模拟分析比较,表明改进后算法的高效性和可行性。