基于智能学习的网络辅助浏览技术研究

随着网络信息日益庞大，人们常常为了查询某一信息而不得不从庞大的信息中人工进行搜索和挑选工作。虽然目前的搜索引擎技术大大提高了信息查询的效率，但是由于它们并非面向某个特定用户服务，所以并不能反映某个用户的特定意愿和专业领域，所得的信息往往还是有大量的冗余。提出了一种基于智能学习的网络辅助浏览技术，根据软件代理的特点，构造出网络辅助浏览代理，将网络信息进行结构化表示，利用基于关联规则的知识聚类方法，对知识元进行知识聚类，通过智能学习，使其成为个人浏览助手或者领域知识搜索专家，实现用户的个性化搜索。     

八款创新秋葵菜品

正花葵迷你参做法:1.把涨发好的南美参切成粗条,放到加有味精、盐、鸡精、胡椒面、鸡汁和鸡油的汤锅里,小火煨至海参条入味时,捞出来待用。2.把秋葵顺长一切为二,投入开水锅里快速汆水后,捞入七成热的油锅炸干了待用。3.往锅里注油烧热,先下猪五花肉丁炒香,再把鲍鱼菇粒、姜米、蒜米和小米辣末放进去炒匀。4.在炒制过程中,还要调入用辣鲜露和鲜露调成的酱料。等到掺入少许鲜汤烧开后,加海参条和秋葵烧至     

移动P2P视频流媒体体系下的帧位分配算法

针对移动P2P流媒体系统中存在多视频源的特点,提出了多视频源串行和并行调度算法。串行调度算法,接收Peer通过实时侦测的QoS变化触发视频源的更换,并通过流序列时间模型来同步各个视频源。并行调度算法,多个视频源同时提供服务,并通过帧位分配算法分配各视频源的传输任务。帧位分配算法首先将视频序列分成包含固定帧数的块系列,然后进行块级位分配以充分考虑帧间效应。对于单个帧块位分配问题,算法将其建模成了非线性规划问题,通过引入分段线性R-D模型将该问题进一步转换成了普通的线性规划问题,并提出了一个贪婪实现策略。实验结果显示流分配算法能获得高效、平稳的视频质量,而且时间效率也非常高,能较好的满足移动P2P视频流媒体系统的实时性。     

动态联盟中伙伴选择的Top-k问题的优化算法

为研究大规模复杂供应链环境下合作伙伴选择的效率问题,从加速选择过程的角度入手,将Top-k优化思想引入虚拟企业合作伙伴选择过程,并对基本选择指标进行了分类,提出了基于特殊指标的优化选择过程。实验表明,通过该方法能够显著提高选择过程的效率。进一步改进了选择过程算法,提出了改进优化程序算法。仿真实验结果表明,该算法能有效地克服选择过程算法的误判率,提高合作伙伴选择的精度。     

商贸EDI系统BEDI_C开发与应用

基于国内商贸EDI的数据标准研制和客户端软件系统开发的成功，阐述了EDI客户端软件BEDI_C的开发原理和技术，以及BEDI_C在国内贸易中的应用。描述了BEDI_C系统所具有的较高的灵活性，自适应性和BEDI_C系统采用的基于加密和数字签名技术的安全策略。     

图像对抗样本研究综述

随着深度学习理论的发展,深度神经网络取得了一系列突破性进展,相继在多个领域得到了应用.其中,尤其以图像领域中的应用(如图像分类)最为普及与深入.然而,研究表明深度神经网络存在着诸多安全隐患,尤其是来自对抗样本的威胁,严重影响了图像分类的应用效果.因此,图像对抗样本的研究近年来越来越受到重视,研究者们从不同的角度对其进行...     

无结构对等中网络资源发现方法研究的最新进展*

为了提高无结构对等网络的资源查找效率,消除冗余网络流量,出现了许多查询算法。在分析这些算法特点的基础上,将它们大致分成四类：基于前向传递的方法、基于缓存的方法、基于查询和数据双重复制的方法、基于拓扑优化的方法。进一步深入分析其优缺点之后,指出任何一类查询算法都只优化了某一方面的性能,如果能将某几类方法有机集成,使它们相互补充,定能取得更好的效果。最后给出了一些重要的结论。     

EDI应用系统的自适应性与安全性研究

EDI是B2B电子商务实践中的一种重要形式,基于国内商贸EDI的数据标准研制和客户端软件系统的成功开发,文章阐述了EDI客户端软件BEDI_C的开发原理和技术,以及BEDI_C在国内贸易中的应用。详细描述了BEDI_C系统所具有的较高的灵活性、自适应性和BEDI_C系统采用的基于加密和数字签名技术的安全策略。     

PingPangRoll:一种基于乒乓映射的P2P资源发现方法

资源发现方法严重影响着P2P系统的性能.提出了一个基于概率的称为PingPangRoll的穷举搜索算法,它结合了结构化和非结构化两者的优点.系统拓扑采用松散的随机多图结构,具有十分强的可缩放性.搜索的时候首先基于生日悖论理论计算出满足用户可靠性要求需要的数据、查询复制份数,然后通过乒乓映射将查询和数据复制精确地映射到网络节点中,以实现几乎穷举的搜索,从而克服非结构化P2P网络搜索覆盖范围有限,有资源查找不到的缺点.     

基于非协作博弈的边缘分布式缓存方案

随着多媒体数据流量的急剧增长,传统云计算模式难以满足用户对于低延时和高带宽的需求.虽然边缘计算中基站等边缘设备拥有的计算能力以及基站与用户之间的短距离通信能够使用户获得更高的服务质量,但是如何利用边缘节点的收益和成本之间的关系设计边缘缓存策略,仍然是一个具有挑战性的问题.利用5G和协作边缘计算技术,在大量短视频应用场景下,提出了一种协作边缘缓存技术来同时解决以下3个问题：（1）通过减少传输延时,提高了用户的服务体验;（2）通过近距离传输,降低了骨干网络的数据传输压力;（3）分布式的工作模式减少了云服务器的工作负载.首先定义了一个协作边缘缓存模型,其中,边缘节点配备有容量有限的存储空间,移动用户可以接入这些边缘节点,一个边缘节点可以服务多个用户;其次,设计了一个非协作博弈模型来研究边缘节点之间的协作行为,每一个边缘节点看成一个玩家并且可以做出缓存初始和缓存重放策略;最后,找到了该博弈的纳什均衡,并设计了一个分布式的算法以达到均衡.实验仿真结果表明,提出的边缘缓存策略能够降低用户20%的延时,并且减少了80%的骨干网络的流量.