面向物联网的PBFT优化共识算法

面对大量的物联网事务,高效的共识算法是区块链技术应用于物联网的关键.物联网设备大多以无线通信的方式接入互联网,基于此,文中构建了一种大规模无线密集型网络场景.针对该场景下实用拜占庭容错算法网络通信开销过高、共识时延较长、吞吐量较低的问题,提出了一种基于聚类的实用拜占庭容错算法.首先依据位置特征对节点进行聚类,形成一个多中心层次化的网络结构;其次将共识任务进行分解,在底层和上层网络中分别进行共识,以减少共识所需的通信量;最后引入动态信誉模型评估节点的可信度,减少异常节点的参与,提高系统的安全性和可靠性.实验结果表明,基于聚类的实用拜占庭容错算法能够有效减少通信开销和共识时延,并提高吞吐量.     

基于蚁群聚类的动态加权PPI网络复合物挖掘

针对基于蚁群聚类的蛋白质复合物挖掘算法中,静态PPI网络难以真实反映细胞的动态特性,收敛速度较慢、聚类准确性和召回率不高等问题,提出一种基于模糊粒度和紧密度的蚁群聚类动态加权PPI网络复合物挖掘方法（FGCDACC-DPC）。首先基于动态PPI网络的拓扑特性和生物特性设计了综合性权值度量（comprehensive weight metric,CWM）,准确描述了蛋白质之间的相互作用;其次根据复合物的基本特征,构建一组稠密且高度共表达的复合核,然后设计模糊粒度和紧密度的拾起放下模型对其余节点聚类,降低了计算复杂度和随机性,加快聚类速度;最后基于功能信息传递和时序功能相关的思想分别构建了局部和全局权值更新策略,实现不同代蚁群和不同时刻网络之间的功能信息传递,提高聚类准确性。将FGCDACC-DPC算法应用在DIP数据上进行复合物挖掘,实验结果表明该算法的精度和召回率较高,能够较准确地识别蛋白质复合物。     

移动节点的LEACH改进型算法

LEACH（low-energy adaptive clustering hierarchy）是一种有效延长网络生命周期的通信协议,其组网过程中存在聚类大小范围不定和簇间干扰现象.针对该问题,提出基于移动节点的LEACH改进型算法.节点以一定半径广播成簇消息限定聚类大小,减少簇首通信干扰.针对网络运作一段时间后出现能量过低或者不平衡的聚类,加入移动式感测节点,移动至聚类担任簇首,延长网络生存时间.实验结果与分析表明新方法远好于LEACH.     

基于精细化梯度的传感器网络节点距离测量

定位在无线传感器网络中具有极其重要的作用,而距离测量往往是定位的前提、寻求低成本、低开销、高精度的分布式传感器网络节点距离测量算法是本文的主要目的.根据无线传感器网络最小跳数梯度场中节点精细化梯度值的分布特征,提出了一种基于精细化梯度的传感器网络节点距离测量方法DV-FGI.与DV-hop算法相比,DV-FGI保留了DV-hop算法低成本、低开销的优点,具有更高的测量精度,并将节点距离测量分辨率从节点有效通信半径提高至网络节点间距.理论分析及仿真结果表明,该算法在节点密集分布的无线传感器网络中具有很好的效果.     

社交网络数据动态聚类调度算法实现

社交网络数据的庞大规模与复杂结构增加了目标数据获取难度,为此,提出一种社交网络数据动态聚类调度算法,根据节点密度值计算节点距离值,得到Z-score标准化后的密度-距离值,将标签分配给密度-距离较大值的对应节点,完成中心点识别,构建标签种子区域,按照降序密度-距离值更新标签,优先把标签分配至重要节点,实现社交网络数据的动态聚类,提取动态迁移负载特征量,获取数据通频带特征分布,利用输出的耦合特征量与迭代函数方程,达成数据均衡调度。采用准确率、标准互信息、模块度以及兰德指数指标,评价算法的处理效果,实验结果表明,所提算法具有显著的动态聚类优越性,提高了数据传输均衡性,具有有效性,满足实际应用需求。     

一种基于非均匀分簇的低能耗安全数据融合方法

为了在保证网络节点数据隐私性的同时,提高网络的生命周期,提出了一种轻量级的基于非均匀分簇的安全数据融合方案UCDA.首先根据距离BS节点远近构造不同大小的簇,然后再采用分片重组技术,位于不同簇重叠区域的节点将分片数据发送至不同簇的簇头节点进行数据的混杂,在降低通信开销的同时提高了数据安全性.仿真实验和理论分析证明,UCDA方案在满足一般隐私保护要求的前提下,比SMART算法花费更少的通信开销和计算开销,并保证了数据融合结果的精确性.     

动态复杂网络社区挖掘—选择性聚类融合算法

针对当前研究动态复杂网络的热点问题,提出了一种基于选择性聚类融合的社区挖掘算法.该算法首先将动态过程划分为相同时间间隔的快照,利用欧几里德距离、顶点权重等技术,使用一种改进的层次聚类算法加快聚类速度,得到每个快照相应的聚类结果;然后根据这些聚类结果之间的差异性,筛选聚类结果集合,为融合过程提供多样性的聚类成员;考虑到时间衰减性,设计了加权共联矩阵,使用单链接算法来得到最终的聚类结果.在随机网络和真实世界网络上对算法的计算速度和动态特征挖掘情况两方面进行实验,结果表明了该算法的可行性和有效性.     

一种基于增量式谱聚类的动态社区自适应发现算法

针对当前复杂网络动态社区发现的热点问题, 提出一种面向静态网络社区发现的链接相关线性谱聚类算法, 并在此基础上提出一种基于增量式谱聚类的动态社区自适应发现算法. 动态社区发现算法引入归一化图形拉普拉斯矩阵呈现复杂网络节点之间的关 系,采用拉普拉斯本征映射将节点投影到k维欧式空间.为解决离群节点影响谱聚类的效果和启发式确定复杂网络社区数量的问题, 利用提出的链接相关线性谱聚类算法发现初始时间片的社区结构, 使发现社区的过程能够以较低的时间开销自适应地挖掘复杂网络社区结构. 此后, 对于后续相邻的时间片, 提出的增量式谱聚类算法以前一时间片聚类获得的社区特征为基础, 通过调整链接相关线性谱聚类算法实现对后一时间片的增量聚类, 以达到自适应地发现复杂网络动态社区的目的. 在多个数据集的实验表明, 提出的链接相关线性谱聚类算法能够有效地检测出复杂网络中的社区结构以及基于 增量式谱聚类的动态社区自适应发现算法能够有效地挖掘网络中动态社区的演化过程.     

结构化P2P网络文本检索研究

基于Kleinberg小世界模型设计一个结构化P2P网络文本检索协议。P2P网络由一些相互连接节点类构成,根据节点文本相似程度实现复杂查询。通过预先设定节点类参数,可以动态地调整节点类大小来平衡网络负载。节点类之间存在一些长程连接,缩短了查询路由步数。实验结果表明,随着网络规模的扩大,搜索开销呈对数平方曲线增长,维护开销呈线性增长,选择合适的节点类内部节点的数量,可以使得总开销最小。     

P2P网络节点自组织聚类算法

提出了一种P2P网络节点自组织聚类算法,该算法具有分布式、自组织的特点,每个节点分别使用自身掌握的网络局部视图,通过邻近节点查找机制独立地完成聚类操作,为P2P网络构造算法提供支持,具有良好的可扩展性和鲁棒性.为提高邻近节点查找效率,节点根据小世界模型在聚类区域外采用半径指数递增且互不重叠的多重环结构组织远距离节点,增加捷径连接,减小节点间平均距离.在邻近节点查找过程中,使用分布式的网络坐标机制预测网络距离,缩小目标节点范围,然后通过直接测量找出最邻近节点,这种策略在保证准确度的同时有效地降低了系统开销.     

一种基于分簇技术的数据融合算法

针对无线传感器网络节点能耗的限制以及通信数据的隐私问题,提出一种基于分簇技术的数据融合算法（Data Fusion Algorithm based on Clustering Technology, DFACT）。算法通过分簇技术解决通信数据的时延,簇内利用算法选择合适簇头,并构造数据融合树结构进行数据融合,减少数据通信量,保护数据隐私;簇间采用基于移动代理模型选择最佳路径提高通信效率。实验结果表明,DFACT算法可以有效地降低大规模无线传感器网络节点耗能,提高数据的安全性,延长网络生命周期。     

CRH2型动车组列车信息传输网络流量建模与预测

针对CRH2型动车组列车网络流量数据日益复杂的特性,提出了一种将主成分分析法(PCA)与后馈神经网络(BP网络)相结合的网络流量建模预测思路。基于已搭建好的CRH2型列车通信仿真平台,对该仿真网络各条链路进行流量采集。为了降低分析的复杂度,流量数据先进行PCA降维预处理分析,再将数据输入到BP神经预测网络模型进行仿真预测。经验证,该思路能有效拟合列车主体网络流量的变化趋势,为CRH2型动车组通信网络的故障诊断分析提供了一定的参考。     

改进的图半监督支持向量机用于P2P网络流识别

对于机器学习在P2P网络流识别中需要大量标记训练数据的问题,提出一种基于改进图半监督支持向量机的P2P流识别方法。采用自动调节的高斯核函数计算少量标识数据和大量未标识训练样本之间的相似距离以构建图模型,并在标记传播过程中嵌入训练样本局部分布信息以获取未标记样本的标识;在此基础上使用所有已标记样本对SVM训练实现P2P网络流识别。实验结果表明该方法能够兼顾整个训练样本集的信息,在提高SVM识别精度的同时,极大降低了人工标记训练样本的成本。     

基于核聚类的无线传感器网络异常检测方案

针对无线传感器网络的自身特殊性和所面临的路由安全威胁,提出了一种基于核聚类的异常检测方案——KCAD,以检测路由攻击所导致的流量异常。该方案通过利用Mercer核,将输入空间的流量特征样本隐式地映射到高维特征空间,突出了不同样本间的特征差异,从而更好地完成聚类,提高了检测准确率,同时还针对流量特征样本做了时间维扩展,使之更能反映近期网络流量状况,减少了由于历史数据集影响所带来的误报。仿真实验结果表明,KCAD方案能够在较少的资源开销条件下,迅速、有效地检测出传感器网络中的攻击异常。     

基于通信量权值二分图分配算法的列车通信网络研究

针对列车通信网络的网络性能直接受到网络拓扑结构的影响,提出一种基于设备间的通信量权值的二分图分配算法,解决网络拓扑中设备到交换机的分配问题。首先,根据列车通信网络中各设备间的实际通信情况,建立列车交换式以太网模型,得出设备间的通信量权值;然后,利用通信量权值的二分图分配算法完成设备到交换机的分配,构建新的交换式列车网络拓扑结构。通过OPNET建模仿真对该结构的网络性能进行分析,结果表明,优化后的列车通信网络拓扑结构比未优化的拓扑结构,在网络时延、链路利用率和吞吐量等网络性方面能均有很大的提升,可为列车通信网络拓扑结构优化研究提供理论参考。     

mesh网络中基于效用转发的网络编码算法

在已有的无线Mesh网络路由算法的基础上,针对网络的动态变化性和差异性等因素带来的问题进行了研究,提出一种基于效用转发的网络编码算法.首先利用节点间的历史通信数据,动态获取不同网络环境下影响效用值的各因素所占的权重值;然后在簇头节点和汇聚节点处进行二维随机线性网络编码,结合节点的剩余能量、效用值和丢包率判断节点能否进行编码,并且采用编码包优先传输的策略转发数据包;最后综合利用网络时延、效用值和节点间的跳数,选择最优的下一跳转发节点.仿真结果表明,该算法能更好地提升数据包的转发效率,降低传输时延,提高网络的性能.     

基于改进聚类分析的网络流量异常检测方法

针对传统基于聚类分析的网络流量异常检测方法准确性较低的问题,提出了一种基于改进 k-means聚类的流量异常检测方法。通过对各类流量特征数据的预处理,使k-means算法能适用于枚举型数据检测,进而给出一种基于数值分布分析法的高维数据特征筛选方法,有效解决了维数过高导致的距离失效问题,并运用二分法优化K个聚簇的划分,减少了初始聚类中心选择对k-means算法结果的影响,进一步提高了算法的检测率。最后通过仿真实验验证了所提出算法的有效性。     

改进WFQ算法在列车网络调度中的应用研究

随着我国轨道交通迅猛地发展,基于TCN的列车网络已经不能满足列车数据传输业务的需求,列车控制与服务网络TCSN应运而生。针对列车数据传输业务研究了基于综合服务模型的列车通信网络,建立了四类列车业务流量模型,分析了网络分组的加权公平队列调度算法（WFQ）,设计了基于服务分类和带宽分配的加权公平队列调度算法（SCBAWFQ）,并且利用仿真软件对恒定数据流和突发数据流分别在WFQ与SCBAWFQ算法下的时延进行了仿真与分析,仿真结果证明改进算法在降低实时业务流延时方面有很好的效果,SCBAWFQ算法既保持了WFQ算法的公平性又满足实时业务服务质量的需求。     

传感器网络中结合SOM与免疫克隆选择的分簇路由策略

提出一种结合自组织映射(SOM)与免疫克隆选择算法的分簇路由策略SICR(SOM and Immune Clonal Selection Based Clustering Routing Scheme for Wireless Sensor Networks).在分簇聚类时,充分考虑了网络节点密度、剩余能量以及与汇聚点间距离等因素,采用一种基于自组织映射原理的簇头竞争算法,构建了能量消耗均衡的分簇结构.该结构可以有效的应用于节点能量异构的网络场景.同时,为了减少簇重构次数,降低重构开销,在维护阶段引入了自适应调整机制,簇首可根据簇内各成员的剩余能量估算簇的稳定性,并据此调整簇规模.路由的组织则分为簇内通信和簇间通信两部分:簇内通信基于建立的簇内拓扑路径集进行;簇间通信则通过基于克隆选择算法建立的最小汇集树进行.模拟实验表明,与现有的几种算法相比,SICR能更好均衡节点的能量消耗和延长网络寿命.     

基于事件驱动和神经网络的无线传感网络数据融合算法研究

为降低突发事件监测的无线传感器网络(WSN)的能量消耗和数据冗余,设计并实现一种基于事件驱动的动态分簇BP神经网络数据融合算法(EBPDF)。其中动态成簇以及簇头选举过程基于事件严重程度和节点剩余能量,簇的生命周期和簇的覆盖范围根据事件紧急程度和节点剩余能量进行动态调整。同时,为减少网络通信量,将神经网络层次结构与WSN的簇结构相结合,在动态形成的簇结构中应用三层神经网络模型,通过神经网络算法从采集到的大量原始数据中提取出少量特征值,并发送到汇聚节点,从而延长网络生命周期,降低数据传输的冗余度。理论仿真实验证明,与LEACH算法相比,该算法既能有效降低网络通信流量,又能减少节点通信次数。