主动发布订阅分组拓扑和自配置策略

为了提高主动发布/订阅系统中网络节点间的数据传输性能,加强系统的稳定性,针对主动发布/订阅系统的特性,提出了基于事件代理分组的拓扑模型。该方法的主要思路是采用多级分组的方法,先根据发布事件主题的匹配度,将属于同一匹配阀值区间的节点分为同一组;组内节点再根据事件属性的相似性利用聚类算法划分为不同子组。该自配置策略实现了动态分组的创建,代理节点加入和退出的管理。仿真实验表明,分组拓扑模型能有效减少节点间的平均转发次数及系统的拓扑维护开销,提高系统健壮性。     

内容发布订阅中非精确的事件转发算法

基于Bloom Filter技术提出了一种非精确事件转发算法——FBBF算法,该算法以增加事件消息大小和网络通信开销为代价,提高了中间代理转发事件消息时的速度。FBBF算法的时间开销与系统的订阅规模无关,具有较好的扩展性,可以高效地应用于大规模的发布订阅系统。     

内容发布订阅系统的订阅重构算法研究

在内容发布/订阅系统中,针对传统订阅重构算法存在订阅冲突等问题,提出一种适应移动Ad Hoc网络特点的事件重构算法。该算法扩展了订阅转发方法,将订阅重构消息转发范围限制在重构路径上,有效避免了订阅冲突,提高重构效率。实验结果表明,该算法缩短了订阅重构时间,且性能受网络规模影响较小。     

基于有环图的内容发布订阅路由算法

针对现有内容发布/订阅系统事件路由算法不支持有环图下订阅覆盖的问题,采用目的地动态更新与划分、逆向最短路径转发等策略,提出一种有环图下支持订阅覆盖的路由算法。分析表明,该算法完全满足有环图拓扑应用的需求,可确保订阅者收到匹配订阅的事件,避免事件转发形成环路。     

基于内容的发布/订阅系统的元数据索引和过滤

面向元数据流,提出有效评测用户订阅的方法.设计了索引结构对订阅进行分组索引,消除了一个订阅因为包含多个谓词而造成的多次索引、计数和比较;设计了新的基于分组的过滤算法,该算法通过缓存谓词匹配结果使得谓词匹配结果得以在订阅过滤过程中传播,取得了很高的过滤性能.实验结果表明,该系统可以有效地处理达上百万订阅的负载量,实验中引进提取词干和消除停用词,极大提高系统的查全率和精度.     

基于内容的发布订阅系统中快速匹配算法的研究

高效的匹配算法是大规模基于内容的发布订阅系统所要研究的关键问题之一．建立了订阅语言和事件模型，提出了一个高效、实用的基于内容的匹配算法，它充分利用了多维索引技术加速查询，利用约束间的覆盖关系减少重复匹配．实验表明其效率比其它常用算法具有较大提高，并且扩展性好，适合应用于大规模分布式基于内容的发布订阅系统中．     

CAER:一种基于内容的自适应事件路由算法

基于内容的发布/订阅模式正受到日益广泛的重视,为构建大规模分布式系统提供了一个很好的选择。在基于内容的事件分发中,事件发布结点无需指定分发的目标地址,事件在转发的过程中根据其内容逐步路由到对事件感兴趣的目标结点。针对已有的基于内容的路由算法不能适应订阅动态变化、网络通讯开销较大的问题,提出了一种基于内容的自适应事件路由算法CAER。通过在基于内容的路由表中将订阅与订阅源结点相绑定的方式,来实现路由表的构建和维护,使得路由算法适应订阅的动态变化。实验结果表明,该算法不仅提高了事件分发的准确率,而且降低了网络的通讯开销。     

基于内容的发布/订阅拓扑模型设计和自配置协议研究

拓扑结构和自配置特性是实现大规模基于内容的发布/订阅系统的关键问题之一,决定了系统的可扩展性。为了提高发布/订阅系统性能,引入了空间划分的概念,设计了一个具有空间划分的层次拓扑模型。针对节点或者链路失效所带来的网络分割问题,本文在静态拓扑模型的基础上提出了一个自配置协议,提高了系统的可靠性和扩展性。     

基于内容的发布订阅系统中一种梯形匹配算法

基于内容的发布/订阅是一种新型的通信方式.事件的发布者不必给出事件明确的目的地址,事件的目的地址由匹配订阅者申明的订阅消息内容确定.因此,订阅与事件的匹配成为基于内容的发布/订阅系统中面临的关键问题之一.文中提出一种梯形匹配算法.先将所有订阅的约束按一定的规则存储于一个二维数组中,然后利用前一个订阅中某个约束是否匹配成功来判定此后也包含有此约束的订阅是否还需进行匹配,整个算法过程类似于线性代数中的梯形求解矩阵的解的方法.这样可以有效避免不同订阅中包含有相同约束被重复匹配的情况,从而加速事件与订阅的匹配效率,大大减少匹配所需要的时间.     

内容发布订阅中支持订阅覆盖的路由算法研究

一方面根据应用订阅覆盖的不同程度,提出了严格的基于订阅覆盖的路由（SSCBR）和放松的基于订阅覆盖的路由（RSCBR）,前者的目标是维护最少的被覆盖订阅,而后者通过维护较多的被覆盖订阅来权衡内存、时间和网络通信.另一方面,提出了使用SSCBR时保证路由表正确的充要条件,通过它可以容易地验证路由表的正确性.实验评估了两种算法在减少路由表大小、网络通信开销和时间开销方面的行为.     

一种基于文档拓扑的相似性搜索算法

从海量文档中快速有效地搜索到相似文档是一个重要且耗时的问题。现有的文档相似性搜索算法是先找出候选文档集,再对候选文档进行相关性排序,找出最相关的文档。提出了一种基于文档拓扑的相似性搜索算法——Hub-N,将文档相似性搜索问题转化为图搜索问题,应用相应的剪枝技术,缩小了扫描文档的范围,提高了搜索效率。通过实验验证了算法的有效性和可行性。     

基于项目综合相似度的协同过滤算法

提出了一种基于项目综合相似度的协同过滤算法。综合相似度是项目相似度和类别相似度进行加权, 加权方式是从热能学中协同计算燃烧传热量的高温辐射换热综合发射率ε公式比拟得出, 两者均是计算综合系数, 在计算综合系数中可以通用。实验结果表明, 在推荐不同的前N个项目的实验中, 用新方法得到的准确率高于传统方法; 在固定推荐数目改变最近邻的实验中, 用新方法得到的准确率高于传统方法, 因此可以得出结论：基于项目综合相似度的协同过滤算法可以提高计算准确性, 提高推荐质量。     

基于事件的物联网服务相似性检测

为了检测物联网中冗余服务,节省资源,使用事件和服务关系提出了基于事件服务类图的冗余服务相似性计算模型,在此模型基础上分析了物联网事件上下文及其服务类型,从而得出了面向事件的服务相似度计算方法。由此方法得到了一个静态的服务冗余检测算法。此算法通过检测相似性事件来去除重复的服务函数调用,节约系统服务对资源的占用,从而解决物联网中资源高耗问题。     

一种基于用户兴趣局部相似性的推荐算法

协作过滤算法作为至今最成功的个性化推荐技术之一,被广泛应用于电子商务、个性化节目推荐等系统中。但传统的基于协作过滤的推荐系统一直受到系统的稀疏性、推荐精确度低等问题的困扰。提出了一种基于用户兴趣局部相似性的改进的协作推荐算法（CFUPS）,针对协作过滤算法中用户近邻的计算和项目评分的预测两关键步骤,基于用户间潜在的局部相似的兴趣,并结合项目资源属性和项目评分矩阵来预测项目评分,进而给用户推荐感兴趣的个性化资源,理论上在提高推荐精度、克服稀疏性问题上均有改善。同时实验表明,在极具稀疏性的数据集上,该算法的推荐精度较以往的协作过滤算法有明显提高。     

改进的基于知网的词语相似度算法

词语相似度计算在文本分类、问答系统、机器翻译、文本聚类等有着广泛的应用。词语相似度计算的研究工作一般都是基于《知网》的义原的层面上,根据义原之间的距离和义原本身的层次深度,进行词语相似度的计算。基于以上研究,提出了一种新的改进的词语相似度算法,首先根据义项中各类义原的个数不同,提出了一种新的变系数义项相似度计算方法;其次从词性的角度,认为词语义项中的不同词性对词语相似度的贡献度不同,剔除不同词性义项之间的组合。实验结果证明,改进的算法结果在原有基础上得到较好的提升,大幅度降低了相似度计算的复杂度,提高了运算效率。     

一种基于路径相似度的蚁群算法

提出了路径相似度的概念,并根据较优可行解与最优解的相似度,来进行路径选择和信息素更新,以求能更快加速收敛和防止早熟、停滞现象。该算法根据截之间的相似度,自适应地调整路径选择策略和信息量更新策略。基于旅行商问题的实验验证了算法比一般蚁群算法具有更好的全局搜索能力、收敛速度和解的多样性。     

基于多层次混合相似度的协同过滤推荐算法

针对传统协同过滤推荐算法在数据稀疏的情况下存在的性能缺陷和相似性度量方法的不足,为了提高推荐精度,改进原算法得到了一种基于多层次混合相似度的协同过滤推荐算法。该算法主要分为三个不同的层次：首先采用模糊集的概念将用户评分模糊化,计算用户的模糊偏好,并结合用户评分的修正余弦相似度和用户评分的Jarccad相似度总体作为用户评分相似度;再对用户评分进行分类来预测用户对项目类别的兴趣程度,从而计算出用户兴趣相似度;然后利用用户的特征属性来预测用户之间的特征相似度;其次根据用户评分数量来动态地融合用户兴趣相似度及用户特征相似度;最后融合三个层次的相似度作为用户混合相似度的结果。利用MovieLens公用数据集对改进前后的算法进行对比实验,结果表明：当在邻居集合数量较少时,改进的混合算法相对修正余弦相似度算法的平均绝对偏差（MAE）下降了5%左右;较改进的修正的Jaccard相似性系数的协同过滤（MKJCF）算法也存在略微的优势,随着邻居集合数的增加MAE也平均下降了1%左右。该算法采用多层次的推荐策略提高了用户的推荐精度,有效地缓解了数据稀疏性问题和单一度量方法的影响。     

融合结构与属性相似性的加权图聚集算法

图聚集技术是将一个大规模图用简洁的小规模图来表示,同时保留原始图的结构和属性信息的技术。现有算法未同时考虑节点的属性信息与边的权重信息,导致图聚集后与原始图存在较大差异。因此,提出一种同时考虑节点属性信息与边权重信息的图聚集算法,使得聚集图既保留了节点属性相似度又保留了边权重信息。该算法首先定义了闭邻域结构相似度,通过一种剪枝策略来计算节点之间的结构相似度;其次使用最小哈希(MinHash)技术计算节点之间的属性相似度,并调节结构相似与属性相似所占的比例;最后,根据2方面相似度的大小对加权图进行聚集。实验表明了该算法可行且有效。     

一种基于分类和相似度的报警聚合方法

提出一种报警聚合方法,将所有报警按攻击类别分为四类,不同报警属性根据其值的特点分为四类,在此基础上采取不同的属性相似度计算方法,设置不同的期望阈值,可通过外部接口在运行时动态调整阈值。属性相似度结果依据不同分类在最后结果中占据不同权重,聚合判决依赖于所有相似度的加权平均结果,聚合结果取决于具有最大相似度的超报警是否大于给定的阈值。实验结果表明,本算法能有效减少重复告警。     

基于结构相似性的k-modes算法

聚类是数据挖掘中重要的技术之一,它是按照相似原则将数据进行分类。然而分类型数据的聚类是学习算法中重要而又棘手的问题。传统的k-modes算法采用简单的0-1匹配方法定义两个属性值之间的相异度,没有将整个数据集的分布考虑进来,导致差异性度量不够准确。针对这个问题,提出基于结构相似性的k-modes算法。该算法不仅考虑属性值它们本身的异同,而且考虑了它们在其他属性下所处的结构。从集群识别和准确率两个方面进行仿真实验,表明基于结构相似性的k-modes算法在伸缩性和准确率方面更有效。