基于跟踪区关联性的跟踪区列表设计方法

跟踪移动用户同时减少信令开销是通信系统位置管理研究中重要的方面。跟踪区列表是LTE系统中新引入的概念,它由多个跟踪区构成用来减少位置管理信令开销。受生活、工作、学习方面的影响,大部分用户具有固定的移动方式。提出了一种基于跟踪区关联性的跟踪区列表设计方法,它通过从用户历史移动路径中获取各跟踪区之间的关联性并建立各跟踪区的关联表,当跟踪区更新消息发生时,网络获取该消息中提供的上次访问跟踪区和用户当前所在跟踪区结合关联表进行跟踪区列表设计。该方法能够随不同上次访问跟踪区动态分配跟踪区列表,特别适用于大规模网络中。最后运用里斯本城镇网络数据,实验比较了基于跟踪区关联性的跟踪区列表设计方法和rule of thumb设计方法在一整天的信令开销。结果显示该方法在减少位置管理信令开销方面性能至少提升了11.5%。     

异构蜂窝网络中基于社区检测的跟踪区域规划方案

面向海量小蜂窝部署环境,在异构蜂窝网络跟踪区域(TA)规划过程中会出现位置更新信令不均匀和乒乓效应等现象。针对该问题,提出一种基于Newman快速社区检测算法的TA规划方案。将TA规划建模为复杂网络中的社区检测问题,并应用社区检测中的Newman算法得到网络中的社区划分结构。通过引入社区划分的模块度概念衡量方案性能,实验结果表明,与基于博弈的TA规划方案相比,该方案在小蜂窝数量和小蜂窝泊松分布期望值较高的情况下模块度平均提高0.107,规划性能较优。     

移动用户速度估计与位置区的优化设计

位置管理是无线通信环境下的关键问题,而影响其系统开销的主要因素是位置区的设计。本文采用高斯-马尔可夫模型作为移动模型,通过数据采集和参数估计来实时预测移动用户的速度。然后根据得到的预测值,针对不同属性用户运用模糊算法进行位置区优化设计,减少系统位置管理信令的开销。在无线网络资源日益紧张的情况下,有很好的实用意义。     

移动用户速度估计与位置区的优化设计

位置管理是无线通信环境下的关键问题,而影响其系统开销的主要因素是位置区的设计.本文采用高斯-马尔可夫模型作为移动模型,通过数据采集和参数估计来实时预测移动用户的速度.然后根据得到的预测值,针对不同属性用户运用模糊算法进行位置区优化设计,减少系统位置管理信令的开销.在无线网络资源日益紧张的情况下,有很好的实用意义.     

基于时间交互偏置影响传播模型的弱连接重叠社区检测

为提高弱连接重叠社区的检测识别性能,提出一种基于时间交互偏置影响传播模型的弱连接重叠社区检测算法。设计针对社区检测图模型分割的目标函数,利用群落结构对处理器负载均衡进行优化,以提高模型求解的效率。基于邻域边缘密度对近似活跃边缘进行重新定义,构建一种影响传播模型以确定用户具有高频率的相互作用,从而提高弱连接用户的识别性能。在此基础上,提出时间交互偏置社区检测方法。实验结果表明,该方法对重叠社区进行检测时具有较高的识别精度和效率。     

基于Cluster的无线Mesh网络位置管理方法

提出一种基于Cluster的位置管理方法,充分考虑到Mesh结构的特点,利用Cluster内部各小区路径的相似性,采用似组播方式分发信令,提高了Mesh网络中位置管理的效率.数值分析显示,此方法显著地降低了位置管理的信令开销.     

PMIPv6域中基于扩展信令的网络移动性优化方法

针对PMIPv6域中支持网络移动性存在的总开销过大问题,提出一种基于扩展信令的网络移动性优化方法。利用扩展的信令消息,整合位置更新和转发数据过程,均衡降低了系统的位置开销和隧道开销。性能分析表明,相比传统机制,本方案有效降低了系统总开销。     

基于手机定位信息的地铁乘客出行路径辨识方法

针对复杂轨道网络环境的下出行路径选择问题,传统方法采用理论推算往往与实际偏差较大。基于手机定位信息的出行路径辨识方法,利用手机用户在无线通信网络中产生的信令事件数据,根据其在地铁中的正常位置更新规则得到出行路径,针对信令数据存在缺失的情况,以用户的其他信令事件数据及K短路校核法,对路径的有效性进行检测,进而得到实际出行路径。实测结果表明,用该方法得到的用户出行路径与真实路径偏差较小。。     

基于时间加权的重叠社区检测算法研究

随着网络结构的不断扩大和日益复杂, 重叠社区发现技术对挖掘复杂网络深层潜在结构具有重要意义. 本文提出一种基于时间加权的重叠社区检测算法. 该方法考虑了用户兴趣的时间因素, 构建带有时间加权链接的用户-用户图. 接着, 基于网络节点的影响力计算用户全局相似度, 在此基础上通过计算节点的中心度作为度量节点对社区结构影响力的重要性指标, 从而提出一种社区中心点的选取方法. 最后, 通过效用函数的迭代计算实现重叠社区检测. 利用人工网络和真实网络对提出的算法进行验证, 实验结果表明: 相对于传统的社区发现方法, 该算法在社区发现质量和计算效率方面都优于许多已有重叠社区发现算法.     

自治异构数据源聚集模型与算法研究

自治异构数据源信息共享的主要问题是如何在P2P环境下对自治数据节点的信息进行统一访问.采用分层结构组织数据源节点能够提高查询效率,减小计算开销,但需要节点根据彼此相似度实现局部的聚类.给出了数据源节点信息发布的形式化描述,提出了基于模式元素匹配的自治异构数据源多重聚集模型以及聚类组织构建过程,采用TA算法解决top-K聚类节点搜索问题,并在此基础上提出TAL算法.实验结果表明,TA和TAL算法能够高效地解决节点聚类排序的问题,特别是TAL算法在聚类节点范围较大时计算性能优于TA.     

Mobility management with the central-based location area policy

In Long Term Evolution (LTE), the cells (the radio coverages of base stations) are grouped into the Tracking Areas (TAs), and the TAs are further grouped into the TA List (TAL). The location of the User Equipment (UE) is tracked at the TAL level. To better capture the “movement locality” of the UE, when the UE leaves the current TAL, the UE is assigned a new TAL whose central TA is the TA where the UE currently resides. This paper investigates the performance of the central-based LTE mobility management scheme, and compares this scheme with the previously proposed central-based mobility management schemes: the movement-based and the distance-based schemes. Our study indicates that under some traffic/mobility patterns, the LTE scheme yields the best performance.     

Performance and cost trade-off in Tracking Area reconfiguration: A Pareto-optimization approach

Tracking Area (TA) design is one of the key tasks in location management of Long Term Evolution (LTE) networks. TA enables to trace and page User Equipments (UEs). As UEs distribution and mobility patterns change over time, TA design may have to undergo revisions. For revising the TA design, the cells to be reconfigured typically have to be temporary torn down. Consequently, this will result in service interruption and “cost”. There is always a trade-off between the performance in terms of the overall signaling overhead of the network and the reconfiguration cost. In this paper, we model this trade-off as a bi-objective optimization problem to which the solutions are characterized by Pareto-optimality. Solving the problem delivers a host of potential trade-offs among which the selection can be based on the preferences of a decision maker. An integer programming model has been developed and applied to the problem. Solving the integer programming model for various cost budget levels leads to an exact scheme for Pareto-optimization. In order to deliver Pareto-optimal solutions for large networks in one single run, a Genetic Algorithm (GA) embedded with Local Search (LS) is applied. Unlike many commonly adopted approaches in multi-objective optimization, our algorithm does not consider any weighted combination of the objectives. Comprehensive numerical results are presented in this study, using large-scale realistic or real-life network scenarios. The experiments demonstrate the effectiveness of the proposed approach.     

车联网中基于雾计算和多TA的条件隐私保护认证方案

车联网在生活中扮演着越来越重要的角色,它可以有效地防止交通拥堵从而减少交通事故。然而,在车联网中总是有非法车辆试图接入车联网并发布虚假消息。此外,现有方案多数存在计算效率低下的问题。针对上述存在的问题进行了研究,提出了一种车联网中基于雾计算和多TA的条件隐私保护认证方案。在保护车辆用户身份的条件下实现了车辆、雾节点、TA三者之间的身份认证,且在车辆追踪阶段可以还原车辆用户的真实身份,从而实现条件隐私保护。雾计算的使用降低了方案的计算和通信开销,同时多TA模型的使用也解决了单TA单点故障的问题。安全性证明和性能分析的结果表明该方案是安全且高效的。最后对当前方案进行了总结以及对未来研究作出了展望。     

LinkLPA: A Link‐Based Label Propagation Algorithm for Overlapping Community Detection in Networks

Community detection is an important methodology for understanding the intrinsic structure and function of complex networks. Because overlapping community is one of the characteristics of real‐world networks and should be considered for community detection, in this article, we propose an algorithm, called link‐based label propagation algorithm (LinkLPA), to detect overlapping communities. Because the link partition is conceptually natural for the problem of overlapping community detection, LinkLPA first transforms node partition problem into link partition problem and employs a new label propagation algorithm with preference on links instead of nodes to detect communities due to the simplicity and efficiency of label propagation algorithm. Then the proposed LinkLPA performs a postprocessing to refine the detected overlapping communities by avoiding over‐overlapping and incorrect partition of weak ties. Experimental results on a large number of real‐world and synthetic networks show that the proposed method achieves high accuracy on detecting overlapping communities in networks.     

复杂网络大数据中重叠社区检测算法

大数据时代互联网用户数量呈爆炸性增长,社交网络、电商交易网络等复杂网络规模快速发展,准确有效地检测复杂网络大数据中重叠社区结构对用户兴趣点推荐和热点传播具有重要意义。提出一种新的面向复杂网络大数据的重叠社区检测算法DOC（Detecting Overlapping Communities over complex network big data）,时间复杂度为O（nlog²（n））,算法基于模块度聚类和图计算思想应用新的节点和边的更新方法,利用平衡二叉树对模块度增量建立索引,基于模块度最优的思想设计一种新的重叠社区检测算法。相对于传统重叠节点检测算法,对每个节点分析的频率大大降低,可以在较低的算法运行时间下获得较高的识别准确率。复杂网络大数据集上的算法测试结果表明：DOC算法能够有效地检测出网络重叠社区,社区识别准确率较高,在大规模LFR基准数据集上其重叠社区检测标准化互信息指标NMI最高能达到0.97,重叠节点检测指标F-score的平均值在0.91以上,且复杂网络大数据下的运行时间明显优于传统算法。     

Location management techniques for mobile systems

Locating users in mobile environment is an essential problem in PCS that becomes more challenging as the network size increases and the user population grows. In third generation mobile systems, the signaling traffic and processing overhead of location updates is expected to grow tremendously leading to poor performance. Therefore location management schemes should aim at reducing the cost of updates. Yet, the lookup delay should be kept minimum. This paper aims at classifying the various approaches used for location management of mobile users by grouping them into two main categories. The first category comprises techniques that focused on reducing the cost of looking up a user and adjusted the update process accordingly. These are classified into replication, caching and selective paging techniques. The second category consists of techniques that focused on reducing the cost of updates and maneuvered the update policy to reduce the lookup cost by informing the system with the maximum possible information about user's mobility. This could be achieved by the use of statistic collection, estimation or prediction processes. We classify those schemes into three main classes: schemes based on forwarding pointers, learning-based schemes and prediction-based schemes. By investigating the technical significance of each class a new direction for future research is proposed which favors the second category of location techniques and emphasis the importance of adopting suitable learning and prediction techniques to optimize the overall location cost.     

LBSN协作式个性化链接预测算法

在基于位置的社交网络中用户链接与位置链接之间具有一定的内在关联,而且不同的用户在社交网络中的表现也存在差异,因此对于以上问题提出一种协作式个性化链接预测算法。针对用户的个性化特征,采用核密度估计方式对用户在时间和空间维度建模,基于兴趣组对用户进行重叠社团划分,并通过社团、好友以及签到关系进行个性化用户链接预测;基于个性化用户链接预测结果,利用从社团重启的随机游走预测用户的个性化位置链接;协作式个性化链接预测算法通过用户链接预测和位置链接预测的迭代使得两者性能相互提升。实验结果表明,所提算法相比于现有算法具有更好的预测性能。     

一种面向语义重叠社区发现的Link-Block算法

语义社会网络是一种由信息节点及社会关系构成的新型复杂网络,传统语义社会网络分析算法在进行社区挖掘时需要预先设定社区个数,且无法发现重叠社区.针对这一问题,提出一种面向语义社区发现的link-block算法.该算法首先以LDA模型为语义信息模型,创新性地建立了以link为核心的block区域LBT(link-block-topic)取样模型;其次,根据link-block语义分析结果,建立可度量link-block区域的语义链接权重方法,实现了语义信息的可度量化;最后,根据语义链接权重建立了以link-block为单位的聚类算法以及可评价语义社区的SQ模型,并通过实验分析,验证了该算法及SQ模型的有效性及可行性.