基于节点社团重要度的ICN缓存策略

全网内置缓存是ICN(信息中心网络)架构中最重要的特性之一。为使被缓存的内容对象在空间和时间上分布更合理,提出了一种基于节点社团重要度的缓存策略（CSNIC）。该策略以社团为单位,不仅把内容缓存到社团内用户容易获取的节点处,而且使不同流行度的内容对象在各社团内节点处的时间分布上更合理。在多种实验条件下对CSNIC策略进行了仿真验证,结果表明该策略与CEE-LRU、Betw-LFU、Opportunistic相比,能更好地提升包括缓存命中率、跳数减少率、内容差异性及替换数量等在内的网络缓存性能指标,而且,CSNIC策略的额外开销较小。     

面向大规模网络的快速重叠社团挖掘算法

重叠社团在社交网络大数据中普遍存在.针对现有重叠社团挖掘算法易将重叠区域错误地划分为独立的社团且计算复杂的问题,提出了一种基于局部信息度量的快速重叠社团挖掘算法（Local information based Fast Overlapped Communities Detection,Li-FOCD）.首先,为节点定义局部信息度量指标——社团连接度和邻居连接度,建模节点与社团的关系,缩小了计算范围;然后,每次并行地迭代执行缩减、扩展、去重等操作,并更新局部度量指标,通过松弛每次迭代的终止条件,发现近似最优社团集合而不是最优社团,最终算法复杂度为O（m+n）.基于真实的大规模社交网络数据的试验分析表明：与当前流行的重叠社团挖掘算法相比,Li-FOCD在不损失检测质量的前提下,大幅提升了计算效率.     

一种基于Jaccard相似度的社团发现方法

在复杂网络中自动发现社团具有重要的实际应用价值。本文提出一种基于Jaccard相似度的社团发现方法,首先使用结点的相似度寻找优先邻居结点,再从优先邻居结点中获得最佳邻居结点,最后将互为友好结点的两个结点合并,最终得到若干个结点的组成小社团,然后利用CNM算法凝聚小社团,完成社团发现聚类。实验表明本算法执行时间缩短,所发现社团模块度增加,是一个有效的社团发现算法。     

基于节点相似度的CCN社区划分方法

针对内容中心网络(Content Centric Networking,CCN)中路由检索过程造成大量低效的冗余问题,进行了更深一层的研究,结合节点相似度、标签传播等方法,将CCN网络拓扑划分为多个社区。该方法首先将CCN网络中各个请求节点以及节点内容进行名字解析,以便获取用户的兴趣偏好,并将节点中影响力较高的节点作为社区核心节点,再将节点划分社区,实现内容快速缓存,有效地避免了CCN网络检索所造成的数据冗余问题,进一步提高整个网络速度,提高资源利用率,减少数据冗余。     

基于邻居节点相似度的改进DV-Hop节点定位算法

针对DV-Hop定位算法存在的定位精度较低的不足,提出了邻居节点相似度概念,克服了DV-Hop定位算法中节点间距离区分度单一的缺点,同时在多跳通信中,考虑了通信路径的情况,将DV-Hop算法直接计算折线距离代替实际中直线距离这一不足,采用余弦定理和邻近节点相似度对其进行修正。从而实现了对DV-Hop算法的改进,提高了定位精度。最后对改进后的算法和DV-Hop算法以及参考文献中的算法进行仿真比较,结果表明:改进后的算法较DV-Hop算法在节点定位精度上提高了30%以上。     

基于邻居节点相似度的改进DV-Hop节点定位算法北大核心

针对DV-Hop定位算法存在的定位精度较低的不足,提出了邻居节点相似度概念,克服了DV-Hop定位算法中节点间距离区分度单一的缺点,同时在多跳通信中,考虑了通信路径的情况,将DV-Hop算法直接计算折线距离代替实际中直线距离这一不足,采用余弦定理和邻近节点相似度对其进行修正。从而实现了对DV-Hop算法的改进,提高了定位精度。最后对改进后的算法和DV-Hop算法以及参考文献中的算法进行仿真比较,结果表明:改进后的算法较DV-Hop算法在节点定位精度上提高了30%以上。     

基于节点影响力和局部中心度的社区发现方法

一方面,社区信息沿着最短路径传播且随着传播逐渐衰减,信息传到较远位置可能性很小。另一方面,在信息量一定的情况下,在不同路径长度下,每条边累积信息量不同。由此两方面的考虑,引入节点影响力和局部中心度,结合GN算法删除最大边介数的核心思想,得到一种新的社区发现算法WLCD(weighted local community detection,WLCD)。实验证明,在三种真实网络数据集中,WLCD算法对比其他几种经典社区检测算法更好,在模块度、调整兰德系数、标准互信息以及准确率等评价指标方面都有比较好的结果。     

基于非局部相似度约束的多通道复用压缩遥感成像方法

结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法.首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集重构图像所需的欠采样数据.然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束.实验结果验证了此压缩成像方法的可行性.与传统算法相比,此重构算法能够在保留图像细节的同时实现有效重构.     

基于非局部相似度约束的多通道复用压缩遥感成像方法

结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法。首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集一帧图像重构所需欠采样数据。然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束。实验结果验证了本文提出的压缩成像方法的可行性。与传统算法相比,本文提出的重构算法能够在保留图像细节的同时实现快速有效重构。     

基于节点合并信息熵的社团结构检测

为解决目前社团划分存在的复杂度高及划分精度低等问题,从信息熵理论角度出发提出一种新的社团结构检测算法.针对节点划分概率系统事件发生的不确定性,采用相似性指标计算各节点合并所提供的信息量,结合全局重要度进一步构造节点合并信息熵模型,通过熵函数的值判断具有最小不确定度的合并方案,运用层次聚类的思想实现最终社团划分.通过对真实网络数据集的对比分析,验证了该算法的有效性,且划分社团具有较高的模块度.     

一种基于局部方差和结构相似度的图像质量评价方法

针对结构相似度(SSIM)方法对图像不同失真类型的敏感程度不同的问题,提出了一种基于局部方差和结构相似度的图像质量评价方法.计算并比较了两图像整体局部方差的分布,分析了度量结果所表征的图像特征.局部方差较好地体现了图像的细节信息,因此对于模糊等失真类型较为敏感,但是对于噪声污染等失真类型的敏感程度较低.因此,本文提出的评价方法将局部方差与结构相似度方法相结合,平衡了二者对造成图像失真各种因素的不同敏感偏向,从而使评价结果更加接近人眼对图像质量的主观感觉.实验结果表明,该方法充分考虑了图像中人跟比较敏感的细节信息的完整程度对图像质量的影响,评价结果优于SSIM方法,与人的主观感觉的一致性较好.     

基于用户浏览行为相似度的HTTP-Get Flood检测

针对日益泛滥的HTTP-Get Flood攻击,提出了利用用户浏览行为相似性界定HTTP-Get Flood攻击.详细阐述了用户浏览行为相似性的表述方法和检测算法的结构,通过下载公开的Trace对检测算法进行仿真及验证,结果表明,本算法能准确地检测出各种类型的HTTP-Get Flood攻击,很好地揭示攻击行为爆发的时间段,在HTTP-Get Flood攻击检测中有良好的应用.     

基于向量相似度的LPG-PCA 图像去噪算法

基于主成分分析的去噪算法在进行局部像素分组时,由于噪声具有不确定性和随机性,以欧氏距离 直接作为图像块相似性这一判断标准容易使得结果产生偏差。针对此问题,文中提出了一种基于向量相似度的 LPG-PCA 图像去噪算法,将向量相似度和欧氏距离相结合作为相似图像块的判断标准,优化了相似图像块的选取。 此外,在相似图像块样本数的选取方面采用自适应的数量选取方法,使得样本数的选取更加合理,进一步提高了图 像的去噪质量。实验结果表明所提算法在峰值信噪比和结构相似性方面均优于传统的LPG-PCA 图像去噪算法,且 对亚毫米波成像也具有一定的去噪效果。     

基于用户模糊相似度的协同过滤算法

针对离散评分不能合理表达用户观点和传统协同过滤算法存在稀疏性等问题,借鉴年龄模糊模型,提出了梯形模糊评分模型。该模型将离散评分模糊化为梯形模糊数,考虑了评分模糊性和信息量,通过梯形模糊数来计算用户相似度,据此设计了协同过滤算法,并证明了该算法是传统协同过滤算法在模糊域的扩展。实验表明,该算法在数据稀疏且用户数远多于项目数时性能突出,并且算法运行时间远小于传统协同过滤算法。     

一个基于社区相似度分析的物流网络优化算法

随着物流网络的快速扩张,如何在异构系统中交换物品信息已经成为影响物流效率的重要因素,而社交网络与物流网络都具有异构的特征,因此将物流网的各个节点看作是社交网络的社区,利用多关系社交网络社区挖掘算法来寻找各个异构的物流网络中固有的社区结构,从而发现物流网中隐藏的规律并进行路径优化等网络行为是可行的。通过对4 000例物流数据的对比试验,得出基于相似度的社区挖掘算法在准确率、算法复杂度和效率上都优于K均值算法和回归算法。     

基于用户浏览行为相似度的HTTP-Get Flood检测方法

基于页面请求的DDOS攻击比传统的海量报文攻击更具杀伤性且检测困难。传统的检测方法包括：特征检测,利用隐马尔科夫模型分析Web页面访问行为。相比明文解析与数学估计,提出了分析用户浏览行为相似性界定HTTP-GetFlood攻击,将用户浏览页面切换与浏览时间的比值表示用户浏览行为,不同用户利用这个表达式计算的浏览行为值很难相等。DDOS攻击爆发时,肉机行为高度一致,导致浏览行为值重复率偏高,当高于一定阀值时判断遭受DDOS攻击。     

基于MST的基因数据社团挖掘算法

使用机器学习方法来分析生物信息学中一些复杂的基因表达数据是目前重要的研究领域之一.使用社团挖掘的方法对基因表达数据进行分类,社团内由类似的基因数据组成,研究和分析每个社团的结构和功能以及社团之间的关系,这对深刻认识诸多生物过程的本质有重要意义.将最小生成树的概念引入生物信息学中基因表达数据的社团挖掘分析中,设计了最小生成树来表示基因表达数据和基于此的社团挖掘算法,针对该算法提出一些目标函数,来判别基因表达数据社团挖掘算法的性能.最后,通过实验验证了该算法对于一些目标函数能够产生最优的社团划分,并且社团挖掘算法的性能良好.     

基于相似度的双搜索多目标识别算法

在分析远距离多目标特性的基础上，提出了一种基于相似度的粗精双搜索多目标识别算法。在粗搜索阶段，首先利用圆形形态学模板在滤波后的二值化图像中快速搜索候选目标，再利用“距离相似度”原则进行候选目标的聚类分析，以同一目标内各候选目标点的形心位置作为局部熵处理区域中心。在精搜索阶段，以最大熵值点为种子点进行目标区域生长。为了减少运算量，提高实时性，还采用基于熵相似度、简单连接法与子区合并法相结合的改进型区域生长法，重构单个目标。仿真结果表明该算法可快速、准确地实现对5个目标的识别。     

基于用户相似度的协同过滤推荐算法简

协同过滤推荐算法通过研究用户的喜好,实现从海量数据资源中为用户推荐其感兴趣的内容,在电子商务中得到了广泛的应用。然而,当此类算法应用到社交网络时,传统的评价指标与相似度计算的重点发生了变化,从而出现推荐算法效率偏低,推荐准确度下降问题,导致社交网络中用户交友推荐满意度偏低。针对这一问题,引入用户相似度概念,定义社交网络中属性相似度,相似度构成与计算方法,提出一种改进的协同过滤推荐算法,并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐准确性并提高推荐效率,全面提高用户满意度。     

基于主题模型和文本相似度计算的专利推荐研究

如何利用数量庞大的专利并从中找到用户感兴趣的专利进行推荐是很多专利数据库迫切需要解决的问题。文中从专利文本的标题和摘要入手,提出一种基于文本挖掘的专利推荐方法。首先,利用词袋模型将专利文本转化成计算机能够识别的数据;其次,利用文本聚类算法完成专利数据集进行领域划分;再次,结合词频-逆文档频率特征权重计算和余弦相似度来选择合适的发明人进行专利的推荐;最后,以我国物流产业下的专利数据作为数据集完成文中所提方法的验证与分析。实验结果表明,基于文本挖掘的专利推荐研究能够实现对发明人的个性化推荐。