基于有向网络中病毒传播和核心免疫的研究

现实网络的有向性使得有向网络更能够准确地模拟显示网络,而当前研究的热点是怎么样用最小的代价对网络进行免疫。基于节点连接的不均匀性,提出的目标免疫被认为是最好的免疫策略。针对更符合实际的有向无标度网络,提出了基于双向链接的核心免疫策略。与目标免疫相比,该策略可以是网络获得较好的免疫效果,并且能更好地保持网络的连通性。采用SI病毒传播模型研究病毒爆发初期的情况,在双向网络分别测试了该免疫的性能和网络效率,证明了该免疫的高效性。     

Wi-Fi网络非常态干扰下的故障节点定位算法

当前对Wi-Fi网络节点故障定位方法使用正交频分复用技术,采用直调直检的方法将Wi-Fi节点网络之间高速数据信号转换为分布式载波信号,实现节点故障节点检测,该方法很容易导致相邻节点信道间频谱主瓣重叠,在非常态干扰下定位不准。提出一种基于OFDM技术的Wi-Fi故障节点定位方法,采用同步算法来减小子载波间的正交性抑制,采用信息素更新策略实现在非常态干扰下对故障节点的定位检测。仿真实验表明,该方法能有效定位Wi-Fi故障节点,网络传输误码率降低明显,大幅提高网络传输效率,有效提高了Wi-Fi网络可靠性和应用性。     

基于免疫算法的RBF网络优化

针对RBF的网络算法有多种,具有固定中心的RBF网络训练算法、梯度下降的RBF网络训练算法、最小二乘的RBF网络训练算法,无论哪种算法,对于求RBF网络隐节点的中心c j和标准参数？2都是比较困难的,如何使网络学习达到要求的精度,本文提出了基于免疫算法的RBF网络优化的改进算法,使隐节点的中心求解较为容易,有利于RBF网络有效的推广。     

基于免疫遗传算法的工作位置网络性能优化

在迁移工作流中,工作位置是迁移实例的运行场所,工作机网络性能的优化能够提高迁移工作流整体的资源利用率。本文将免疫算法与遗传算法结合,利用免疫算法保证种群多样性的特点,给出了算法的具体过程,避免算法陷入局部最优,使多种资源得到负载平衡,从而提高工作机网络的整体性能。     

认知无线电网络的干扰信道学习算法

认知无线电网络的信道受到干扰情况下,学习性能不好,导致信道失衡。传统的认知无线电网络的干扰信道学习算法采用多模盲均衡宽带压缩频谱联合特征识别算法,当干扰强度较大时,学习均衡性能不好。提出一种基于线性预编码设计的协作频谱共享的认知无线电网络的干扰信道学习算法。通过协作中继方式在服务PU的同时获得传输机会,并给出了PU/SU联合优化的预编码矩阵进行算法改进,采用Jakes功率谱,组成新的云计算联合服务器接收端和发射端节点定位训练序列,将PU、SU预编码矩阵设计问题分解,采用干扰信道学习算法,得到正交通信信道载波均衡控制方程,实现干扰信道的学习算法改进。仿真结果表明,本文算法能有效提高信道学习性能,抗干扰能力增强,吞吐率比传统方法提高35%,展示较好的网络通信性能。     

高速网络并行计算软件环境与算法研究

1 美国“高性能计算与通讯”美国为保持其在高性能计算与计算机通讯领域中的世界领先技术地位,增强国民经济、国家安全、教育及整体环境的竞争能力,于1991年度开始执行“高性能计算与通讯”(HighPerformance Computing and Communication,HPCC)——美国总统科学战略项目。该项目由四部分组成:(1)高性能计算机系统(HPCS),内容包括今后几代计算系统的研究、系统设计工具、先进的典型系统及原有系统的评价等,(2)先进软件技术与算法(ASTA),内容有巨大挑战问题的软件支撑、新算法设计、软件分支与工具、计算技术及高性能计算研究中心等,(3)国家科研与教育网(NREN),内容有中接站及十亿位级传输的研究与开发.     

网络动态干扰监控的信任感知推荐算法设计

网络用户信任感知推荐的准确性设计是提高用户间的社交网络辅助信息信任度的重要依据。传统的网络用户信任感知推荐算法采用的是基于社交网络服务和用户评分的推荐系统,主观性较大,协同过滤效果不好。提出一种基于网络动态干扰监控的信任感知推荐算法设计新方法,设计自适应神经模糊系统网络动态干扰监测算法,构建基于向量空间模型的信任度评价指标体系结构,通过调整网络拓扑权重向量设置信任度周期响应加权变量自适应函数,有效降低迭代算法的运算成本,避免了自适应神经模糊系统网络动态干扰监测加权权重成固化状态,提高抗干扰性能。实验结果表明,算法能使社交网络感知推荐模型的预测误差减少,推荐可靠性优于传统方法。     

网络个体用户遭受感染下病毒免疫滤波控制算法

网络个体用户在遭受病毒入侵干扰下,由于病毒入侵信号对单个个体用户入侵的不确定性,难以实现对病毒的有效控制和免疫。提出一种基于自适应功率谱密度特征提取的网络个体用户遭受感染下病毒免疫滤波控制算法,首先进行网络病毒面入侵信号的模型构建,设计滤波控制算法实现对网络个体用户遭受感染下的病毒免疫控制。设计网络个体用户遭受感染下的病毒免疫模型,进行网络个体用户遭受感染下病毒入侵路径和安全属性分析。设计基于自适应功率谱密度特征提取的网络个体用户遭受感染下病毒免疫滤波控制算法,实现对用户遭受感染下的病毒入侵信号的滤波检测和控制。仿真实验结果表明,该算法能有效实现对病毒入侵路径和强度幅值的准确跟踪控制,免疫滤波效果较好,对病毒信号的检测概率提高15.7%,实时性和鲁棒性优越于传统方法,保证了网络个体用户的安全。     

免疫算法在运输问题中的应用

运输问题是一种典型的组合优化问题。对以往免疫算法作了适当的改进,将其用于运输问题。通过数值实验将改进的免疫算法与遗传算法进行了对比,验证了该算法求解运输问题的有效性。     

基于免疫算法的卷烟需求量预测

卷烟需求量预测的研究能够更好地帮助烟草公司把握卷烟需求量的规律,有助于稳定烟草市场。通过调查某地区2008—2013年每月的卷烟销量,运用免疫算法和组合模型进行分析,再对比分析这两种预测方法,最后证明免疫算法对卷烟月销售量的预测误差最小。     

网络病毒感染下振荡攻击数据混淆分离算法

通过对网络病毒感染下振荡攻击数据混淆分离,实现对网络病毒攻击数据的特征定位和提取,有效检测网络病毒数据。传统方法中对网络病毒感染下的振荡攻击数据的检测和分离方法使用行为特征分析和卡尔曼滤波方法,算法受到数据振荡和线性特征干扰的影响,检测性能不好。提出一种基于双线性本征波匹配的振荡攻击数据混淆分离算法,构建网络病毒感染振动攻击模型,提取攻击数据的信号模型特征,根据调解病毒样本序列的线性化程度,确定双线性本征陷波器频率参数和带宽参数,实现对信号的滤波,进而实现混淆分离算法的改进。仿真结果表明,该算法设计的滤波器进行振荡攻击数据的混淆分离,具有较好的抗噪能力和干扰抑制能力,对网络病毒攻击数据的混淆分离均方根误差较小,对病毒感染下的振荡攻击信号的检测性能较高,展示了其优越性能。     

基于人工免疫原理的网络入侵检测系统的应用与研究

由于目前用于检测网络入侵的系统不仅检测效率不高,而且错误率也相对较高,因此网络入侵检测系统与当前入网检测的发展趋势极不适应。在网络应用安全方面,由于网络入侵方式和途径多种多样。为保证网络使用安全,本文根据人工免疫原理与网络入侵检测系统的之间的内在关系,探讨一种检测网络入侵的应用系统,它弥补了当前网络入侵检测方面的不足,本文最后还对该系统进行构建和仿真,事实证明,基于人工免疫原理的网络入侵检测系统不仅可以减少入侵检测的错误率,同时还有效降低了网络入侵的漏报率,提高了网络入侵的检测速度和效率。     

引入病毒传播方向聚类的攻击容忍扫频方法

攻击容忍系统通过对病毒入侵路径和频率进行扫频实现对病毒的挖掘,传统的扫频方法采用相位和频率特征匹配方法进行,对网络病毒非规则方向入侵不能起到较好的掩盖作用,扫频效果不好。提出一种采用病毒传播方向聚类分析的攻击容忍系统扫频方法,构建病毒传播路径分析模型,建立病毒传播的方向性空间搜索属性序列,分析病毒传播方向聚类演化模型,实现对病毒传播和入侵传播方向聚类过程的建模,求解病毒传播方向的聚类属性的信息熵,实现攻击容忍扫频改进算法。实验结果表明,算法能有效实现对病毒传播和扩散的时间和频率等信息进行扫频分析,病毒时频特征得到有效挖掘,通过扫频检测准确率较传统该方法提高13.6%。     

Ad Hoc网络重采样转移概率模型下激励传播算法

无线多跳Ad Hoc网络的激励传播算法可以优化网络资源负载均衡,提高网络可靠性。传统的激励传播算法采用萤火虫梯度搜索定位协作激励方法,当网络节点分布为随机多跳的异构网络时,激励传播负载均衡存在效率低、准确性不高等问题。提出一种基于萤火虫群优化追踪的重采样转移概率模型下的无线多跳Ad Hoc网络激励传播算法,实现资源负载均衡,设计无线多跳Ad Hoc网络覆盖层次模型,提出萤火虫群优化追踪算法,在无线多跳Ad Hoc网络节点转移概率空间,设计重采样转移概率模型,得到多跳Ad Hoc网络激励传播系统状态估计。仿真结果得到该算法实现无线多跳Ad Hoc网络系统状态估计准确率要明显高于传统算法,估计误差的波动小,在解决蜕化的同时避免了样本贫化,资源负载均衡激励精度提升方面明显优越于其它算法,展示了算法的优越性能。     

一种前馈神经网络算法

神经网络由于其非线性处理能力强，性能稳定等特点得到了广泛应用和研究，主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络，其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)。BP算法存在局部极小点，收敛速度慢等缺点，基于优化理论的Levenberg-Marquardt算法忽略了二阶项，该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。     

一种基于演化神经网络的预测算法

在神经网络预测方法中，网络结构的确定直接影响到预测结果的精确性。本文引入演化神经网络，利用遗传算法确定神经网络的结构参数，可以减少对预测用户经验的依赖性。通过对不同时间间隔的交通流实测数据的预测，表明本文中提出的预测方法具有较好的预测效果。     

一种网络多信道骨干节点调度均衡算法

针对多信道网络中骨干节点多对一通信所引发的资源冲突问题,提出了一种网络多信道骨干节点调度均衡算法。以多信道中节点作为算法的组网基础,运用多个骨干节点的通信模型组成多维度的通信调节区域,运用信道骨干节点中的流量信息进行高流量节点区域的预测,计算节点通信发生冲突的可能性,通过迭代多区域校验进行防冲突运算,降低了数据碰撞的可能性,完成网络多信道骨干节点的均衡调度。计算机仿真实验表明,在算法优化后网络的通信效率有了较为明显得提高。