公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

网络运行态势感知技术及其模型被引量：9: 2015年; 针对现有网络态势感知技术无法反映网络整体运行质量的问题,提出了网络运行态势的概念,并给出其模型。首先,将马尔科夫链的转移概率引入网络链路权重评价中以衡量相邻节点的可达性,进而求得网络链路权重;随后,为一致、稳定地评估网络运行质量并克服基于支持向量机评估方法在训练过程中存在的参数难以确定、过拟合等问题,提出了基于相关向量机的网络运行质量评估方法;最后,将各链路的运行质量评估值按照权值加权得到网络运行态势,实现网络运行质量局部评估向网络运行态势整体呈现的提升。实验结果表明,该模型获得的网络态势值与通过灰色模糊综合评估得到的态势值的平均绝对误差仅为1.61%,优于基于支持向量机的网络评估方法;通过对态势均值及方差的比较,可对不同网络建设方案提供必要的技术指导。; 柏骏夏靖波钟赟陈珍; 关键词：网络态势感知

基于LEAST的高速网络大流检测算法被引量：3: 2015年; 针对大流漏检率过高，占用SRAM过大问题，提出了基于最少（LEAST）改进型大流检测算法。主要思想：利用LEAST淘汰机制将小流丢弃使得大流能够被保护，采用窗口-储备策略解决检测大流的公平性问题。通过相关组织所提供的实际互联网数据进行了实验比较，结果显示：与现有算法相比，新算法具有更高的测量准确性，平均大流漏检率降低至0％～0．13％。; 徐敏夏靖波申健陈珍; 关键词：网络测量

基于关联规则的态势预测方法被引量：4: 2016年; 态势预测是网络态势感知的重要环节,可以为网络管理员提供必要的决策支撑。为了实现对网络的大数据管理模式,针对当前预测算法无法充分利用大数据优势的局限,提出了基于关联规则的态势预测方法。该方法综合考虑了大数据的特点和态势预测的需求,给出了方法的基本思想和实现流程。实验结果表明,提出的方法与传统预测方法相比,通过寻找数据间的关联物而不是非线性匹配来达到预测的目的,大大降低了计算的时间复杂度,提高了预测效率。; 陈珍夏靖波陈婉李博; 关键词：关联规则大数据

基于改进型Bloom Filter的网络流抽样算法被引量：1: 2015年; 提出了一种基于改进型Bloom Filter的网络流等概率抽样算法,算法运用对两层位向量的判定结果取交集的方式对到来的数据分组进行判定,将不同位向量的装载因子上限动态设置,通过误差吸收模块和随机抽样模块最终实现对网络流的等概率抽样。实验表明:新算法可以有效减少对网络流的重复抽样,所得结果更加趋近于网络流真实值,节省了系统的存储资源,可以满足当前的高速网络环境。; 王少龙张毅卜徐敏陈珍夏靖波; 关键词：高速网络网络流位向量

云计算中Hadoop技术研究与应用综述被引量：72: 2016年; Hadoop作为当今云计算与大数据时代背景下最热门的技术之一,其相关生态圈与Spark技术的结合一同影响着学术发展和商业模式。首先介绍了Hadoop的起源和优势,阐明相关技术原理,如MapReduce,HDFS,YARN,Spark等;然后着重分析了当前Hadoop学术研究成果,从MapReduce算法的改进与创新、HDFS技术的优化与创新、二次开发与其它技术相结合、应用领域创新与实践4个方面进行总结,并简述了国内外应用现状。而Hadoop与Spark结合是未来的趋势,最后展望了Hadoop未来研究的发展方向和亟需解决的问题。; 夏靖波韦泽鲲付凯陈珍; 关键词：云计算大数据 HADOOP SPARK MAPREDUCE

基于MapReduce的支持向量机态势评估算法被引量：3: 2016年; 支持向量机(SVM)可以解决传统态势评估算法无法兼顾的"维数灾难""过学习"及"非线性"等难题,却无法应对大规模样本的问题。为了有效应对态势评估中的大数据处理挑战,提出了一种基于MapReduce的SVM(MR-SVM)态势评估算法。该算法利用MapReduce并行计算模型,同时结合SVM可并行化的特点,通过设计主要的map函数和reduce函数,实现了SVM算法的并行化和主要参数的选取。在搭建的Hadoop平台上对改进算法与原算法进行了比较验证:对于小规模样本,改进算法反而"化简为繁",不比原算法效率高;但在大规模样本的处理上,原算法的训练时间随样本规模呈指数型增长,而改进算法的训练时间随样本规模并没有特别明显的增幅,体现出了较好的时间优势。实验结果表明,基于MapReduce改进的SVM很好地弥补了原算法"样本规模"的短板,更适用于大数据环境下的网络态势评估。; 陈珍夏靖波杨娟韦泽鲲; 关键词：支持向量机 MAPREDUCE HADOOP 并行化

网络数据流流量测量新方法被引量：2: 2015年; 针对现有的数据流流量测量概率多重计数方法空间复杂度高和空间利用率低的问题,提出了一种基于两层位域的数据流流量测量方法.该方法分为两个步骤:数据捕获阶段.将到达数据包采用两个独立的哈希函数分别映射至两层位域;数据恢复阶段.对位域恢复得到的两个虚拟矩阵按位取交集,消除哈希碰撞引起的误差.实验结果表明,和概率多重计数方法相比,两层位域方法在存储空间降低75%的前提下,仍具有高的数据流估算精度.; 任高明夏靖波柏骏陈珍; 关键词：计算机网络

基于进化深度学习的特征提取算法被引量：18: 2015年; 信息全面与维数灾难的矛盾是大数据时代网络态势感知需要解决的首要难题。特征提取一直是主流的降维方法,但现有算法对高维非线性数据效果不佳;深度学习是一类具有多层非线性映射的学习算法,可以完成复杂函数的逼近,但对隐层相关参数十分敏感。针对上述问题,将进化算法的思想引入深度学习,提出了一种基于进化深度学习的特征提取算法。该算法利用遗传算法及进化策略实现全局搜索及优化的特点,并对深度学习结构及相关参数进行了优化。理论分析及实验结果都证明了该算法的有效性。; 陈珍夏靖波柏骏徐敏; 关键词：网络态势感知特征提取进化算法

并行MapReduce模型下的一种改进型KNN分类算法被引量：2: 2017年; 大数据时代带来数据处理模式的变革,依托Hadoop分布式编程框架处理大数据问题是当前该领域的研究热点之一。为解决海量数据挖掘中的分类问题,提出基于一种双度量中心索引KNN分类算法。该算法在针对存在类别域的交叉或重叠较多的大数据,先对训练集进行中心点的确定,通过计算分类集与训练集中心点的欧式距离,确定最相似的3个类别,然后以余弦距离为度量,通过索引选择找出K个近邻点,经过MapReduce编程框架对KNN并行计算加以实现。最后在UCI数据库进行比较验证,结果表明提出的并行化改进算法在准确率略有提高的基础上,运算效率得到了极大提高。; 韦泽鲲夏靖波付凯申建陈珍; 关键词：HADOOP MAPREDUCE

全选清除导出

共1页<1>

陈珍