基于哈希算法的Web入侵检测系统

为了提高Web入侵检测系统中模式匹配的效率,提出了一种有效的基于哈希的多模式算法HSPM,实验以及与现有算法的比较表明,该算法不仅适合于Web入侵检测系统,同时在空间和匹配率性能上具有更高的效率。     

基于关联规则的二维哈希算法的改进

对关联规则发现中应用较多的Apriori算法进行了介绍和分析。在对Apriori算法改进的二维哈希算法中引入了新的哈希函数。这种哈希函数有效地避免了哈希“冲突”,有利于迅速产生二阶频繁项集,从而大幅度地提高了频繁项集产生的效率。     

分布式哈希查找模型的研究

Chord模型结构是P2P网络的典型模型之一,它利用分布式哈希表（DHT）在应用层形成一个重叠网络,Chord模型应用Chord协议对关键字进行查找,分析Chord系统的关键字查找算法、节点的加入算法以及节点加入和退出对查找的影响。     

一种基于分布式哈希表的Web服务目录系统

分析了集中式UDDI注册中心存在的缺点。结合P2P技术,基于分布式哈希表提供的高效的数据定位功能,提出了一种分布式Web服务目录系统,讨论了该系统下Web服务的发布与发现过程以及目录系统的维护。在该服务目录系统中,服务的描述信息分布在各个节点上,能够克服集中式UDDI注册中心的缺陷。     

一种基于双哈希编码的超图集合查询方法

图数据查询就是在图数据库中查询出满足查询条件的图数据集,索引的构建和查询算法是影响查询效率的关键因素。为在超图查询过程快速、有效得到被查询图q包含的索引项,提出基于双哈希编码的超图集合查询方法。该方法主要利用双哈希的探查序列,让关键字均匀散列在表中各位置,避免存储过程存在的冲突,实现索引的快速查找。实验结果表明,该方法能够减少候选集生成时间和规模,提高查询效率。     

Web信息采集中的哈希函数比较

在Web信息采集的过程中，需要判断待采页面是否在已采页面集合中．为了实现快速采集，采用哈希函数来实现．基于一个含有2000多万个URL的序列，通过大规模的实验性评测，比较了函数Tianlhash、ELFhash、Hflp、hf和Strhash的一阶和二阶哈希冲突率．实验结果表明，Strhash和Tianlhash的性能较佳，值得推荐．并且，ELFhash的测试性能要优于HHp和hf．采用二阶哈希后的天罗Web信息采集系统，占用几兆的内存空间，大大提高了采集速度，并降低了数据库的负荷．     

基于冲浪模型的Web协作推荐系统

当前基于协作过滤(CF,Collaborative Filtering)的推荐系统广泛应用于在线购物、音乐点播、智能Web推荐等系统.基于协作过滤的Web推荐系统的一个问题是用户通常仅仅访问很少Web页,因此根据用户访问Web页的记录找到一组相似用户的概率很低,这就是"稀疏问题".本文提出了一种利用WWW冲浪模型,模仿用户访问Web页过程中的一些特点,并将用户的冲浪过程延续,模拟用户在Web站点访问更多的Web页,从而估计出用户对更多Web页的评价.本文还给出了实验比较,表明扩展冲浪深度后,系统推荐Web页的效果得到明显提高.     

基于Web挖掘的过程模型及算法

针对Web信息的结构特点设计了一个发现用户访问模式的PDAS系统,并以关联规则为理论基础提出了发现单一用户K 序列频繁访问模式的过程模型及算法。经实验证明,通过该算法获得的频繁访问模式对商业网站的营销决策有一定辅助意义。     

采用映射哈希表的频繁模式挖掘方法

大多数对频繁模式挖掘算法的研究都着眼于逻辑层面算法过程的改进,而对数据在计算机内存中的物理存储方式的探索相对较少。以FP-Tree存储结构和FP-Growth算法为基础,提出了FP-Tree头表的顺序存储方式,并在此基础上,利用基于频繁项ID映射的哈希表对FP-Tree的存储方式进行了改进,提出了与之相对应的频繁模式挖掘算法。实验结果表明该算法是快速和有效的。     

基于深度哈希算法的云计算虚拟机迁移模型

云计算中跨数据中心虚拟机迁移存在带宽小与无共享存储功能问题,导致迁移过程数据的安全性受到威胁。为降低带宽开销,提升抵御攻击能力,研究基于深度哈希算法的云计算虚拟机迁移模型。利用深度哈希算法获取需要迁移虚拟机基本镜像的类似程度,根据类似程度构建哈希图,依据哈希图构建云计算虚拟机迁移模型;通过上述模型中迁移代理主机实现虚拟机迁移时的信息传递;存储单元利用哈希图存储虚拟机基本镜像及镜像间的相似度;通过迁移单元迁移存储单元中需要迁移的基本镜像数据块,完成虚拟机迁移。实验证明,上述模型在不同负载时跨数据虚拟机迁移时间最短,带宽开销最低,并具备较优的抵御攻击能力,其SLA违反率既低又平稳。     

频繁项集挖掘中的两种哈希树构建方法

1 引言从大型数据库中发现频繁项集/模式的研究作为关联规则、序贯模式、因果关系、最大模式、多维模式等挖掘问题的核心,已经成为近年数据挖掘领域的研究热点,并有不少有效的挖掘算法被提出。在这些挖掘算法中,它们大多数都采用了类似于Apriori算法的方法进行频繁项集的挖掘与更新。类Apriori算法的共同特点是:为了找出库中所有包含k(k>1)个项的频繁k-项集,首先产生包含频     

一种新的基于连续哈希函数的合作式Web缓存系统

提出了一种新的基于连续哈希函数的合作式缓存系统。针对传统合作式缓存系统中多级转发造成的高时延和多重哈希计算问题,设计了一种高效的Web对象定位和路由模式,保证任意Web请求只需计算一次哈希且至多经过一次转发就可到达目标节点。采用失效-触发的策略来解决路由表一致性维护的问题,减少了网络开销,提高了系统的可扩展性和可靠性。仿真实验表明,该系统性能优于基于互联网缓存协议和缓存阵列路由协议的系统。     

改进的哈希学习高效推荐算法

哈希技术能有效地解决推荐系统面临的存储和检索效率的问题。然而,现存的哈希推荐方法存在一个问题,推荐关注于建模用户对项目的偏好,而哈希学习关心的是相似性。为此,提出了一种改进的哈希推荐方法。计算每个用户、项目相对评分系统的均值作为偏置。对用户评分矩阵进行去偏置处理,将评分映射到相似性区间。以保持相似性为目标,提出了两种方式来分解相似性矩阵得到用户和项目的二进制码。在三个真实数据集上的实验结果表明,与其他方法对比,提出的方法在检索精度上有一定的优势。     

基于局部敏感哈希的隐私保护实时服务推荐

协同过滤算法是服务推荐系统中最有效和应用最广泛的推荐方法,其侧重于提高推荐结果的准确性。然而,在大数据背景下,用户行为数据不仅经常频繁更新而且数据规模增长迅速,传统的协同过滤算法需要穷举搜索所有数据,相似度计算耗时较高,推荐效率低,无法满足用户实时体验的需求服务。快速从大数据中获得高质量的推荐服务成为一种新的需求,为此,提出基于局部敏感哈希技术的协同过滤算法,算法过滤了绝大多数不相似的项目,避免了冗余的相似度计算,另一方面算法将用户行为数据哈希为二进制哈希编码,进而保护用户隐私。最后,在不同规模尺寸的数据集上与主流算法对比,实验表明提出的算法在效率和准确度间能够取得较好的折衷。     

基于Web挖掘的个性化推荐模型

本文提出一种基于Web挖掘的个性化推荐模型,对web结构数据、内容数据和使用数据进行聚类分析,聚类挖掘结果通过统一的向量空间模式表示,从而为推荐模型提供一致的表示形式。由于集成了上述三种web挖掘结果,在使用数据比较少或web站点内容变化比较频繁的情况下．该模型也能提供高质量的个性化推荐服务。     

基于相似度驱动的线性哈希模型参数再优化方法

哈希学习通过设计和优化目标函数,并结合数据分布,学习得到样本的哈希码表示.在现有哈希学习模型中,线性模型因其高效、便捷的特性得到广泛应用.针对线性模型在哈希学习中的参数优化问题,提出一种基于相似度驱动的线性哈希模型参数再优化方法.该方法可以在不改变现有模型各组成部分的前提下,实现模型参数的再优化,提升模型检索性能.该方法首先通过运行现有哈希算法多次,获得训练集的多个哈希码矩阵,然后基于相似度保持度量标准和融合准则对多个哈希码矩阵进行优化选择,获得训练集的优化哈希矩阵,最后利用该优化哈希矩阵对原模型的参数进行再优化,进而获得更优的哈希学习算法.实验结果表明,该方法对不同的哈希学习算法性能都有较为显著的提升.     

基于哈希自注意力端到端网络的三维模型草图检索

为了提高草图和三维模型视图嵌入特征的聚类性,提出一种结合自注意力和哈希正则化约束的特征提取算法.首先将三维模型渲染得到二维视图集,并通过边缘检测在草图和视图之间建立统一的特征描述空间;然后在共享权重网络中嵌入自注意力层,通过结构信息自相关性编码提高草图和视图的聚类性,避免局部差异性对结果的影响;最后对特征进行哈希编码,...     

一种基于哈希索引的内存表模型

介绍一种基于哈希索引的内存表模型。该模型能有效提高应用系统参数查询的效率,从而提升应用系统处理性能。