基于一种新的多重权重复杂网络模型的自适应同步研究

在传统的单权复杂网络建模方法的基础上,建立一种新的多重权重复杂网络模型。根据不同性质的权重,通过网络拆分的思想,将多重权重复杂网络拆分为几个性质不同的子网络。进而研究具有多重权重复杂网络的全局自适应同步,给出网络自适应同步的一般条件。最后以Lorenz系统为例,验证该方法的有效性。     

遗传算法优化BP网络初始权重用于入侵检测

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,将遗传算法与BP算法有机结合,先采用遗传算法优化BP网络初始权重,完成网络的训练过程,并将此方法运用于入侵检测中。实验证明,运用此方法有利于提高网络的收敛性,可在一定程度上提高入侵检测系统的准确率。     

BP网络及遗传算法在河道流量预报中的应用

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,采用遗传算法对BP网络模型进行优化,并将此模型应用于北江流域的坪石-犁市河道的预报流量中.实验结果表明,该算法在提高BP网络的收敛速度和预测精度上是行之有效的,为流量预报提供了一种新的方法.     

面向网络能效优化的动态权重队列管理算法

针对流量传输过程中能效优化的问题,提出一种面向网络能效优化的动态权重队列管理算法DW_WFQ。该算法在加权公平队列(WFQ)的基础上通过动态地分配各类业务流的权重,以更加灵活的方式分配各类业务流的服务速率,进而与连续流速度缩放模型的能效函数相结合,推导出了该调度算法的能耗模型并且对其进行了能效优化。通过Matlab仿真,进行了DW_WFQ、先到先服务(FCFS)和WFQ三种算法的能耗对比,仿真结果表明:所提的流量调度算法在满足业务流服务质量(QoS)约束的基础上,能够有效降低系统能耗。     

一个有效的动态网络节点影响力模型

网络节点影响力度量对社会网络研究具有重要的价值,静态网络的影响力度量是目前研究的主要问题。然后社会网络的结构经常会随着时间变化,呈现出动态网络。静态网络节点影响力度量模型虽然可以对动态网络不同时间点上的快照进行度量,然后这种机制很难刻画动态网络节点影响力的变化过程。本文将动态网络建模为不同时间点网络的叠加快照,然后构建了动态网络边权重衰减和节点影响力衰减机制,基于衰减机制提出了动态网络节点影响力模型,模型可以应用于加权或无权动态网络节点影响力度量。为了客观衡量本文模型的性能,在一个模拟网络和三个真实网络进行了不同实验。在模拟网络上,将结果与人工标注的结果计算肯德尔系数,针对三个真实网络则进行了不同角度的影响力效果分析。实验结果表明本文模型不仅可以较好的刻画动态网络节点影响力的变化过程,还可以准确度量动态网络节点影响力。     

基于动态权重的传感网络路径选择算法仿真

在传感器网络路径选择过程中,网络路径选择具有较高的动态性,导致传统采用流体神经网络算法,依据单一标准明确属性权重,无法针对变化的网络属性进行有效分析,不能得到有效的网络路径.提出了一种采用动态权重的传感网络路径选择算法,根据层次分析法确认不同业务状态下各网络路径属性的重要性,选取带宽、时延、抖动、丢包率四个属性作为网络路径选择的判决准则,构建属性的判断矩阵,采用特征根法计算不同判断属性的权重,按照业务类型动态调整权重,明确各属性的综合权重,采用灰色关联分析方法明确不同备选网络路径的灰色关联系数,对备选网络路径进行加权排序,进而选择最佳传感网络路径.仿真结果验证了所提方法选择路径过程中的收敛迭代次数以及有效解数量都优于传统方法,并且所提方法下的传感网络具有较高的数据传输效率.     

一种基于参考节点选择模型的无线传感器网络定位算法

定位技术是无线传感器网络的关键技术之一,移动节点的定位则是定位技术中的难点.目前以蒙特卡洛算法为基础的几种定位算法普遍存在对锚节点数量要求较高、定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于参考节点选择模型的蒙特卡洛定位算法(MCLAS),采样时通过参考节点选择模型,将相邻节点纳入参考节点选择范围,尽量...     

基于融合元路径权重的异质网络表征学习

针对基于单条元路径的异质网络表征缺失异质信息网络中结构信息及其它元路径语义信息的问题,本文提出了基于融合元路径权重的异质网络表征学习方法.该方法对异质信息网络中元路径集合进行权重学习,进而对基于不同元路径的低维表征进行加权融合,得到融合不同元路径语义信息的异质网络表征.实验结果表明,基于融合元路径权重的异质网络表征学习具有良好的表征学习能力,可有效应用于数据挖掘.     

异构无线网络选择算法的仿真研究

研究异构无线网络选择问题.异构无线网络选择是下一代无线网络的关键技术及多网融合的基础,决策指标相当多,传统判决指标权重方法具有片面性,无法为用户提供最佳网络选择服务.为了提高异构无线网络选择的准确性,把层次分析和灰色关联评价法结合起来,提出一种组合的异构无线网络选择算法.通过对影响网络选择的指标进行分析,用层次分析法和方根法确定网络决策指示的权重,最后对备选网络进行灰色关联选择,选择最优接入网络.仿真结果证明,相对于传统网络选择算法,更加客观准确地选择与用户需求最佳匹配网络,并降低用户的接入成本,从而可以满足用户的业务需求,为异构无线网络设计提供了参考.     

变权重的城市轨道交通复杂网络鲁棒性分析

研究变权重下的城市轨道交通复杂网络优化问题,由于城市轨道交通网络属于复杂网络,网络节点数目庞大,并且受实际地理位置因素的影响,每个节点所肩负的交通传输负荷也各异.传统的城市轨道交通网络鲁棒性分析模型对所有的节点进行相同的加权,即所有节点的交通传输负荷相同,并且不考虑节点与节点之间实际距离的影响,将任意相连两个节点间的距离近似等效为单位距离,与实际城市网络中不同节点肩负着不同交通传输负荷不相符合.为解决上述问题,提出一种变权重的城市轨道交通复杂网络的鲁棒性分析模型,对网络中不同的节点,根据与市中心所处的地理位置关系进行不同的加权,并且采用节点间的实际距离作为节点间距分析网络的性能,上述改进模型更符合实际网络特性.以北京市最新的轨道交通网络为例进行实验分析,结果表明,采用改进模型能更精确的优化城市网络的鲁棒性.     

一种基于权重的DSR路由改进算法

提出了一种基于权重的DSR路由改进算法.该算法利用跳数与能量参数构造一个路由权重函数,选择权值最大的路由作为源节点到目的节点之间的路径,以提高整个网络的生命周期.仿真结果表明,该算法可以有效地节省网络能量,延长网络生命,同时减小了网络的端到端延时,提高了网络的性能.     

基于边权重和集聚系数的航线重要性评估方法

针对中国航空运输网络的空域拥挤和航班延误问题,基于复杂网络理论对航空运输网络加权分析.通过节点度值对网络中的边赋予权值,分析加权方式对于衡量重要程度的准确性和可用性,同时考虑两节点对边的支撑作用,提出一种基于边权重和集聚系数的航线重要性评估方法.采取不同的攻击方式,验证该方法的有效性,结果表明该方法能准确地判断航线的重要程度,为突发情况下的流量调配提供了新的策略和支持.     

网络课程学习综合评价方法 ——以大学英语网络课程教学为例

摘要：网络课程学习效果评价是进行网络课程教学的重要工作。本文提出利用模糊熵理论评价网络课程学习效果的数学模型,该模型通过熵对各个评价指标进行加权,根据主观权得到综合评分。结合大学英语网络课程教学,建立大学英语网络课程学习评价指标体系。提出的方法改善了传统评价方法主观因素影响过多的弊端,提高了评价的可信度。通过对评价指标体系的定义很容易扩展应用到其它课程的评估。实验结果验证了该方法的可行性。     

基于信任和权重的无线传感器网络数据融合模型

在无线传感器网络中,数据融合的可靠性是一个非常重要的问题并且受到了广泛的关注。为此,提出一种基于信任和权重的无线传感器网络数据融合模型(TWDFM)。在该模型中,传感器节点通过构建信任表选举可靠簇头,簇头根据权重检测异常节点并融合可信数据。仿真实验表明,该模型可以有效提高数据融合的安全性和准确性。     

P2P网络中基于权重的动态信任模型*

针对现有模型存在的不足,借鉴人类对信任的评判习惯并参考交易涉及的主要因素,提出了P2P环境下一种基于权重的信任评价模型,在进行节点信任值评定时,着重考虑了交易权重对信任值变化的影响,并给出了信任值计算的方法和仿真实验。实验结果表明该信任评价模型能够准确地反映节点当前的信任度,特别对策略性欺骗和不诚实推荐具有很好的抑制作用。     

无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明：所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。     

多维社会网络中链路预测方法研究

多维社会网络中链路预测是指通过已知的网络节点以及多维社会网络结构等信息预测多维社会网络中尚未产生连边的两个节点之间产生链接的可能性.在研究有关链路预测的相关技术后,基于节点之间的相似性,提出了一种多维社会网络中的链路预测算法.算法中考虑时间因素和权重因素对于链路预测的影响,同时将多维网络中的相关技术应用到链路预测的过程...     

多维加权社会网络中的个性化推荐算法

个性化推荐是解决Internet中信息过载的重要工具,在研究有关个性化推荐的技术和相关动态的基础上,以用户实际应用为驱动,提出一种多维加权社会网络中的个性化推荐算法。首先,该算法构建了用户之间的多维加权网络;然后利用复杂网络的聚类方法——CPM算法寻找邻居用户;最后基于用户之间的相似性做出推荐。实验结果表明,应用该算法的多维网络的推荐系统与基于内容推荐系统和协同过滤推荐系统相比,有较高的查全率和准确率,个性化推荐质量有了一定程度的提高。