一种基于预测的移动IPv6动态调整快速切换算法

移动IPv6协议是下一代网络中移动节点实现无缝漫游的一种基本技术.但移动IPv6切换时延迟较大,不能满足实时业务的需求.本文提出一种基于预测的移动IPv6动态调整快速切换算法,根据移动节点的运动轨迹和移动速度预测出提前三层切换的正确时机,实现在二层切换之前完成三层切换,减少切换延迟.利用以前的三层切换时间,动态调整时间比较参数T reg,减少预测误差.仿真结果证明本算法在切换延迟和丢包率方面性能优越.

一种分布式的K-means聚类算法

提出一种适用于大型数据集的分布式聚类算法。该算法以传统的K-means算法为基础进行合理的改进,使之更适用于分布式环境,并从算法的复杂度分析,将该算法与传统的集中式K-means算法及其他分布式算法进行比较。实验表明,该算法在保持了集中式K-means算法所有必要特性的同时,提高了数据处理速度。

自适应的混沌蚁群聚类XML分片模型

针对海量XML文档查询复杂等问题,本文尝试通过XML键约束及其矢量化操作,根据混沌原理,融入蚁群聚类算法构建并行XML数据库分片新模型(简称ACC);通过定义相应混沌适应度函数衡量蚂蚁与其邻域的相似程度,让整个人工蚁群在移动中动态地形成多个独立的子群体,同时对函数参数进行自适应的调整,使得人工蚁的移动仅仅使用少量的局部信息,加快XML分片速度并且提高分片质量.对比其它XML分片算法,一系列仿真实验表明利用混沌蚁群模型分片XML,在模型上更直观,计算代价较小.