【摘 要】
：
为了能够在保持高覆盖范围的前提下大大减少冗余消息的数量,提出了一种新的基于连接度的搜索机制D-Flooding。D-Flooding在搜索的不同阶段,依据连接度大小来选择消息的转发对象。分析和实验结果表明,D-Flooding能够提供较低负载的查询,高效地应用于P2P搜索。与标准洪泛机制相比,在跳数不变的情况下,冗余消息的数量可减少84.5%以上,而消息的覆盖范围基本不变。
论文部分内容阅读
为了能够在保持高覆盖范围的前提下大大减少冗余消息的数量,提出了一种新的基于连接度的搜索机制D-Flooding。D-Flooding在搜索的不同阶段,依据连接度大小来选择消息的转发对象。分析和实验结果表明,D-Flooding能够提供较低负载的查询,高效地应用于P2P搜索。与标准洪泛机制相比,在跳数不变的情况下,冗余消息的数量可减少84.5%以上,而消息的覆盖范围基本不变。
其他文献
为了得到感知无线电最优决策,对感知循环、人工智能技术应用、基于遗传算法的感知引擎进行了分析。感知无线电决策机应该既考虑带宽、信号速率、功率等可变因素,又考虑费用等不可变因素。基于神经网络,提出了感知无线电决策机学习与评估模型,并研究、讨论了感知无线电知识库信息与决策机设计思路。
KNN方法存在两个不足:a)计算量巨大,它要求计算未知文本与所有训练样本间的相似度进而得到k个最近邻样本;b)当类别间有较多共性,即训练样本间有较多特征交叉现象时,KNN分类的精度将下降。针对这两个问题,提出了一种改进的KNN方法,该方法先通过Rocchio分类快速得到k0个最有可能的候选类别;然后在k0个类别训练文档中抽取部分代表样本采用KNN算法;最后由一种改进的相似度计算方法决定最终的文本所
通过分析数据关联的特点和已有的关联规则挖掘算法,在定量描述的准确性和算法高效性方面作了进一步研究,提出了更准确的支持度和置信度定量描述方法和关联关系强弱的定量描述方法。同时,改进了FP-growth挖掘算法,并应用于中医舌诊临床病例数据库挖掘实验中,可成功准确地提取中医舌诊诊断规则。测试结果表明该算法速度快、准确度高。
针对多任务的非线性群决策系统提出了多模型匹配算法。为了对各种不同性质的任务进行理性决策,首先根据不同任务的特性选取针对不同任务的满意决策群体,构成动态满意决策群体集;在此基础上为每个决策任务构造多个决策方案模型集,然后根据方案模型的匹配程度和决策者的决策权重以及决策的目标权重来控制决策过程的动态变化,从而得到最优匹配决策方案模型;最后给出该算法的应用实例,实践表明该算法是有效的,能够灵活选取模型库
大多数现有的聚类算法都致力于发现任意形状、任意大小的类,但很难有效处理多密度的数据集。提出的算法利用网格聚类速度快的特点,先通过高斯平滑去除噪声,再采用网格梯度的思想找出隐藏在多密度数据集中的簇。算法在人工数据集上进行了实验,结果表明该算法能有效地去除噪声,发现多密度的簇,具有较好的聚类效果。
利用小波-Contourlet变换的多尺度和多方向性特征以及基于区域能量的融合规则在选取融合系数上的优势,提出了一种基于小波-Contourlet变换和区域能量融合规则的图像融合算法,并引入Cycle Spinning来消除变换缺乏平移不变性而引起的图像失真。实验结果表明,该算法明显降低了融合图像的RMSE值,减少了运算时间,达到了良好的视觉效果。
如何从海量的样本数据中挖掘出具有共性的顾客需求信息,帮助商家识别出潜在的客户群,并提高对市场活动的响应效率,是当前国内外市场研究的一个重点和难点。以新产品开发策划中的新产品市场定位为研究对象,提出了一种基于网格的聚类算法(mesh-based clustering algorithm,MCA)。此算法可以在市场调查数据中深度挖掘顾客潜在需求,根据顾客评价对产品进行竞争性分析,采用积极的营销策略,不
基于双时态概念数据模型(BCDM)定义了BCDM中的冗余时间变元,对冗余进行了量化描述,提出一种对时间变元的去冗余绑定思想。介绍了BCDM,并对BCDM中的时间标签进行规范化的组合表达;形式地描述了时间变元在当前事务时间的去冗余绑定操作,并对双时态关系的去冗余绑定操作给出了形式描述;对BC-DM中的时间变元的去冗余操作给出了实现算法,并进行了算法分析。
提出了一种跨越不同GIS平台的自适应符号化解决方案,将符号系统分为通用符号系统、符号接口和符号插件三部分。通用符号系统独立于具体GIS平台,负责处理平台无关的符号化功能;符号接口规定通用符号系统和具体GIS之间的交互接口;符号插件是符号驱动接口的具体实现,通过符号插件完成通用符号系统和具体GIS平台的集成。详细地研究了利用Javascript技术实现通用系统和符号插件的具体方法,并在国内外几个著名
提出的增量式数据流聚类算法DGCDS结合网格和密度技术,能够得到任意形状的聚类,通过改进网格密度的计算方式,解决了现有网格算法中丢失数据空间影响信息的问题,并且实现了关键参数的自适应设置,减小了人工参数对聚类结果的影响。