融合原子交换特征信息的代谢路径预测

为获取从任意起始代谢物到目标代谢物的生化相关性较好的代谢路径,提出一种融合原子交换特征信息的基于约束的代谢路径预测算法PVA。结合代谢网络中具有的原子交换特征信息,建立一种基于约束的混合整数线性规划(MILP)代谢路径预测模型,以搜索从任意起始代谢物到目标代谢物并包含特定原子交换信息的代谢路径。实验结果表明,与同类方法相比,PVA能够有效地发现生化相关性更好的代谢路径。

基于循环神经网络的西北太平洋台风路径预测

西北太平洋是全球台风高发区域之一,我国每年受登录台风影响,造成沿海地区发生狂风、暴雨和风暴潮等灾害性天气,准确预测西北太平洋台风路径对我国防震减灾意义重大。基于循环神经网络的多元时间序列预测模型,以处理好的包含中国气象局(CMA)台风最佳路径数据集和欧洲中期天气预报中心(ERA5)数据集两种资料的多元时间序列数据为样本,训练3种循环神经网络并预测未来6、12、24 h的热带气旋(TC)中心位置。结果表明,预测失效为24 h时利用长短期记忆神经网络(LSTM)模型预测E值为173.15 km,误差要远小于门控循环神经网络(GRU)模型和循环神经网络(RNN)模型,认为利用LSTM网络对未来24 h TC中心位置的预测具有可行性和参考价值。

东盟国家和中日韩能源领域绿色低碳发展路径预测和建议

能源领域绿色低碳发展是东盟国家和中日韩迈向碳中和的关键举措,但仍面临技术落后、资金短缺等问题。运用中国气候变化综合评估模型(China's Climate Change Integrated Assessment Model,C3IAM),预测东盟国家和中日韩能源领域低碳发展路径,然后开展案例分析,明确能源领域低碳发展面临的挑战并提出建议,从而加快推进能源领域绿色低碳发展。

基于TCP-GAN的热带气旋路径预测

准确预测热带气旋路径对于中国沿海地区的防灾减灾具有重要作用.卫星数据是预测热带气旋的重要手段,针对现有方法生成的卫星图像不够清晰,很难准确判断热带气旋云系的轮廓,提出了一种基于TCP-GAN的热带气旋路径预测方法.采用了生成对抗网络,并加入了感知损失,使得生成的图像更加细致.模型在不同输入图像序列长度(2、4和6)下进行试验,结果表明,当长度为4时,此时的路径误差是最小的,约为45.36 km.此外,进行了滚动预测,以验证模型在12、18和24 h的预测性能,提出的热带气旋路径预测模型生成的图像能够很好地描述云系的细致纹理结构,预测的路径误差相比于同类方法也更小.

基于吸收Markov链的网络入侵路径预测方法

入侵意图和路径预测对于安全管理员深入理解攻击者可能的威胁行为具有重要意义.现有研究主要集中于理想攻击场景中的路径预测,然而理想攻击路径并不都是入侵者采取的真实路径.为了准确全面地预测网络入侵的路径信息,提出基于吸收Markov链的多步攻击路径预测方法.首先利用吸收Markov链中状态转移的无后效性和吸收性设计节点状态转移概率归一化算法,并证明完整攻击图可以映射为吸收Markov链,进而给出了基于通用漏洞评分标准的状态转移概率度量方法,最后提出攻击状态节点访问次数和路径长度的期望值预测步骤流程.实例分析结果表明:该方法可以量化不同长度攻击路径的概率分布、计算路径长度的期望值、预测实现既定攻击目标所需的原子攻击次数,并对节点威胁进行排序,为及时应对网络攻击威胁提供更多安全防护指导.

基于因果知识网络的攻击路径预测方法

针对现有攻击路径预测方法无法准确反映攻击者攻击能力对后续攻击路径的影响,提出了基于因果知识网络的攻击路径预测方法。借助因果知识网络,首先通过告警映射识别已发生的攻击行为;然后分析推断攻击者能力等级,进而根据攻击者能力等级动态调整概率知识分布;最后利用改进的Dijkstra算法计算出最有可能的攻击路径。实验结果表明,该方法符合网络对抗实际环境,且能提高攻击路径预测的准确度。

用于移动路径预测的混合Markov模型

分析了移动路径预测的已有方案,指出了各方案存在的问题。针对预测性能相对较好的K阶Markov预测器存在的状态空间膨胀问题,以2阶Markov预测器为例,提出了2步Markov模型,并验证了其在WLAN上的可行性。在此基础上,提出了一个混合多步Markov模型,并利用EM算法估计多个单步Markov模型的混合系数。该混合模型状态空间的复杂度为O(N),而2阶Markov模型为O(N2),其中,N为WLAN中的AP数目;混合模型的存储空间需求为O(N2),而2阶Markov模型为O(N3)。最后通过基于条件熵与误差向量2阶范数的计算分析以及基于实际数据集的实践分析表明,该混合模型能够以比2阶Markov模型小得多的空间代价获得与2阶Markov模型相似的预测精度和普适性,具有较高的实时在线应用价值。

利用GIS空间分析进行台风相似路径筛选及预测

以GIS空间分析为基础,根据台风路径相似性原理,研究路径相似度的计算方法,并以相似度为权重进行台风路径预测,最后使用C#和ArcGIS Engine对算法进行系统实现。该系统可以对台风相似路径进行快速筛选,并对未来台风路径进行预测和展示,为防灾减灾和应急决策服务。

变更路径预测支持的自适应模块建模

针对现有模块变更方法变更路径单一、可扩展性较差等问题,提出构建自适应模块指导模块变更的方法.该方法引入图论,将模块中的参数表示为有向图的顶点,参数间的关系对应为有向图的边,建立邻接矩阵(设计结构矩阵)描述模块中各参数的关联性;通过设计结构矩阵聚类分析参数的关联关系,预测模块的可能变更路径;将变更路径与路径相关信息进行结构化存储,整合结构化信息与全约束模块实例,建立自适应模块;针对不同变更来源,提出自适应模块的变更方法.最后以运输车辆尾防护装置为例,验证了文中方法的可行性和合理性.

基于NAPG模型的攻击增益路径预测算法

针对网络攻击行为很难预测,网络中冗余路径导致攻击预测不准确以及攻击路径评估预测指标单一的问题,提出一种NAPG(network attack profit graph)模型.该模型通过攻击成本和攻击收益直观地反应攻击行为的可行性,采用攻击可行性分析算法消除冗余路径,并将攻击增益引入到评估预测指标中,给出机会增益路径预测算法和最优增益路径预测算法.仿真实验验证了该模型和算法的有效性.

一种应用代价评估的推测多线程路径预测方法

推测多线程技术对于自动并行化非规则程序是有效的,然而基于控制流图和分支预测方法的线程划分方法,不可避免地受到划分路径上存在的控制依赖和数据依赖制约.针对现有的路径预测方法在考虑控制依赖影响的同时却不能有效地综合考虑数据依赖影响的问题,提出一种新的基于代价评估的路径预测方法,通过引入数据依赖模型,综合评估控制和数据依赖两种影响因素,寻求一条具有近似最小推测开销的推测划分路径.实验结果表明,文中提出的路径预测方法能够计算出代价更小的推测划分路径,并取得了更好的加速比性能,总体上系统可以得到2.43%的加速比性能提升.

基于路径预测的不确定性推理组合地图匹配算法

提出一种新的基于预测的不确定性推理组合地图匹配算法。该方法首先利用云模型这样一种处理定性与定量间不确定转换的工具,通过对当前信息的不确定性推理,计算定位点相对于候选道路的匹配可信度。之后,利用隐马尔科夫模型预测驾驶员出行路径及目的地,通过对模型中的观察值函数重新设定,将路径预测信息与当前地图匹配算法结合,构建组合地图匹配算法。同时,采用学习算法更新模型中的信息。最后,通过仿真实例证明该组合算法的可行性与有效性。结果表明:该方法能够预测驾驶员行驶路径,起到预匹配的作用,提高地图匹配算法的精度。

网站浏览路径预测(英文)

用户浏览因特网网站点击某个链接后,该链接的网页往往需要一段时间才能传送到用户端.为了缩短用户的等待时间,利用网站服务器的空闲CPU时间,对用户下一个HTTP请求进行预测,以便预处理下一个网页是一种可能途径.使用已分类的网页信息、用户配置文件和网站日志进行预测,介绍并且分析了16种预测算法.实验结果证明某些算法是比较有效可信的.

物联网数据并行传输路径预测仿真

对物联网数据并行传输路径的预测,能够有效提高并行数据的传输效率。对物联网数据并行传输路径的选择,需要同时获取多条最优路径,制备出两种备用方案。传统方法采用自适应随机参数方法,但只能得到一条最优转换路径,导致路径预测结果不理想。提出基于小生境萤火虫算法的路径转换方法,能够得到多条最优路径,避免了算法陷入局部最优,加快了萤火虫收敛速度;两种路径切换方案的启用,解决了当前方法计算量较大的问题,适用于复杂物联网环境下的数据并行传输。实验结果证明,所提方法具有更高的效率提出的两种路径切换方案能够高速提升数据传输效率。

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测,仅仅从用户的浏览会话本身出发来预测用户下一步的链接,并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容,可进一步捕获用户的浏览兴趣,并作下一步的链接预测。当浏览序列长度逐渐增加,系统捕获的用户浏览信息越来越多,此时能够折射出用户的兴趣所在,预测准确率也逐步增加。当浏览序列长度大于或等于8时,预测准确率已经到达80%,提高了预测准确率。

基于关联规则挖掘的VANET环境下车辆路径预测

通过关联分析法构建相关模式数据挖掘算法,实用性强,但对具有时空动态性的车载自组织网络VANET进行车辆路径预测仍具有局限性,根据VANET环境下车辆数据特点,提出一种基于强关联规则频繁模式的车辆路径的挖掘优化算法.序列模式以有序的方式描述了事件的发生,在VANET环境中,车辆路径序列表达为车辆从起点到目的地行程中经过的路段顺序列表.首先提出基于安全认证的车辆数据采集方案,将收集的数据存储于路边单元RSU中,然后采用频繁模式数据挖掘方法分析了收集到的车辆路径,确定了某一区域内车辆选择的常见路径和频繁路径,最后本文算法与中间节点选择算法INSA进行了比较,对车辆在异常情况下选择的路径进行了评估与预测,分析结果表明:本文算法在网络通信开销、吞吐量和数据包传送率方面优于INSA算法,具有较好的置信度,有助于用户减少紧急情况下和正常情况下的等待时间.

基于T_NAG模型的攻击路径预测方法研究

为了更好地刻画攻击者的攻击轨迹,设计出一种基于T_NAG(time attribute network attack graph)模型的路径预测方法。首先,提出新的攻击图模型T_NAG,根据实时行为轨迹对攻击者能力加以区分;其次,依据攻击者具有不同能力的特性,提出攻击意向的概念,统筹考虑操作风险与攻击收益,将时间衰减参数引入到攻击意向计算中,并设计出一种基于攻击者能力的漏洞利用率量化方法;最后,将攻击意向与漏洞利用率进一步融入到对路径可达概率的考量中,给出预测攻击路径的IntenAbi-PathPre算法。实验结果表明,该方法可以有效去除攻击图中的冗余,并且使攻击路径预测的准确性得到明显提高。

基于链接路径预测的聚焦Web实体搜索

实体搜索是一个有前景的研究领域,因为它能够为用户提供更为详细的Web信息.快速、完全地收集特定领域实体所在的网页是实体搜索中的一个关键问题.为了解决这个问题,将Web网站建模为一组互连的状态构成的图,提出一种链接路径预测学习算法LPC,该模型能够学习大型网站中从主页通向目标网页的最优路径,从而指导爬虫快速定位到含有Web实体的目标网页.LPC算法分为两个阶段:首先,使用概率无向图模型CRF,学习从网站主页通往目标网页的链接路径模型,CRF模型能够融合超连接和网页中的各种特征,包括状态特征和转移特征;其次,结合增强学习技术和训练的CRF模型对爬行前端队列的超链接进行优先级评分.一种来自增强学习的折扣回报方法通过利用路径分类阶段学习的CRF模型来计算连接的回报值。在多个领域大量真实数据上的实验结果表明,所提出的适用CRF模型指导的链接路径预测爬行算法LPC的性能明显优于其他聚焦爬行算法.

基于路径预测的机器人足球路径规划

针对常用的机器人路径规划算法过于复杂并且在每个运动周期都计算路径的问题,提出了一种结合路径预测的路径最优算法。充分利用预测结果减少每周期的路径规划时间;用微量调整动态控制机器人左右轮速度,并充分利用折线路径的短距离优势,为避障机器人创建一条最短路径;以基于周期性预测在同个时间轴上的相交作为碰撞信号,来减少每个周期的重复性计算时间。实验结果表明,该方法能大大提高机器人路径规划的速度,降低不同周期上路径规划结果不一致导致的运动震荡。

一种基于概率的路径预测与查询算法

研究了路网空间内的路径预测与查询技术,设计了基于统计信息和概率论的最优路径预测算法。实际应用中,路网错综复杂。提出可能路径集合的概念,并设计算法来提取当前路径预测涉及到的路网子网,减小路网规模和路径预测的复杂度。在空间网络环境下,现有移动对象位置预测技术主要针对短期预测,不能预测下一路口的交通情况。为了弥补这一缺陷,降低用户端的位置更新率,设计了路网移动模型来简洁描述提取自大量历史移动路径的移动统计特征,捕捉路口处转向模式。基于移动模型,提出了具有较高精度的交通预测模型来预测对象的运动路径。