摘要：首先分析了当前网络中P2P流量的占比情况和给网络带来的压力,指出了实际应用中网络流量识别技术存在的问题,给出了深度分组检测技术和流量特征识别技术的实现原理。在此基础上,提出了一种基于开源云计算平台Hadoop,采用MapReduce分布式并行计算架构,构建了将深度分组检测技术和流量特征识别技术相结合的P2P流量识别系统的设计模型。实验结果表明,本文提出的模型能够有效地识别P2P流量,并且在面对大流量时拥有比单机识别更快的识别速度。

摘要：为了快速、准确地识别出网络黑客的身份,设计了一种基于命令的黑客画像构建与识别方法。首先,构建融合注意力机制的双向长短期记忆神经网络模型来识别黑客的攻击类型;然后,提取黑客的攻击类型标签、统计特征标签与行为特征标签构成黑客画像;最后,提出了基于二次匹配的黑客识别算法,识别黑客的身份。实验结果表明,提出的黑客识别方法与现有文献中的方法相比,在准确率、精度等方面均有提升,并且识别效率与稳定性也优于与画像库中所有画像逐一比配的方法。

摘要：针对缺乏PaaS平台下资源需求的有效预测与优化分配的问题,提出一种资源需求预测模型和分配方法。首先,根据PaaS平台中应用对资源需求的周期性来对资源序列进行切分,并在短期预测的基础上结合应用的多周期性特征,利用多元回归算法建立综合的预测模型。然后,基于MapReduce架构设计实现了一个Master-Slave模式的PaaS平台资源分配系统。最后,结合当前任务请求和资源需求预测结果进行资源分配。实验结果表明,采用该资源需求预测模型和分配方法后,相比于自回归模型和指数平滑算法,平均绝对百分比误差分别下降8.71个百分点和2.07个百分点,均方根误差分别下降2.01个百分点和0.46个百分点。所提预测模型的预测结果不仅误差小,与真实值的拟合程度也较高,而且利用较小的时间开销就可以获得较高的准确度。此外,使用该预测模型的PaaS平台的资源请求的平均等待时间有了明显的下降。

摘要：圈复杂度是度量软件复杂程度的主要指标,在软件测试以及维护上有着重要的作用.随着Python语言在各领域的应用越来越普遍,Python程序的复杂度逐渐成为开发者所关注的问题.根据Python语言的抽象语法树,结合Python程序的字节码,通过设计相应的算法提取控制流信息,来实现程序圈复杂度的自动化计算,上述方法不需要借助于控制流图.实验结果表明,上述方法有效可靠,可以准确地计算出程序的圈复杂度.特别是在程序的设计与开发阶段,关注代码的复杂度,可以有效提高软件质量、降低维护成本.

摘要：社交网络的影响力与其自身的结构特征密切相关。基于新浪微博的数据,对用户的粉丝数、关注数的分布及这些特征之间的关系进行分析,发现用户的粉丝数、关注数、微博数都符合幂律分布;探讨了节点之间的距离特征,发现并证明了微博网络中存在着"小世界"现象;研究了节点之间的链接形成问题,发现链接的形成满足三元闭包原理。以上三方面研究结果,对于探索微博影响力同底层社交网络结构特征的关系、设计微博影响力控制机制具有重要的意义。

摘要：为了避免数据的共享与交换可能造成的个人隐私泄露问题,基于随机干扰技术设计了一种针对文本型数据的隐私保护方法,可以为具有单个敏感属性或多个相关联敏感属性的数据提供隐私保护服务,有效解决了传统的随机干扰方法不适用于文本类型数据的问题。该方法通过进行文本语义的扩展,使得被干扰后的数据与原数据在语义上保持最大程度的接近,从而实现了在进行隐私保护的同时,确保数据质量。实验结果表明,该方法具有较好的隐私保护效果。

摘要：分词是中文自然语言处理中的一个关键基础技术。通过基于字的统计机器学习方法学习判断词边界是当前中文分词的主流做法。然而,传统机器学习方法严重依赖人工设计的特征,而验证特征的有效性需要不断的尝试和修改,是一项费时费力的工作。随着基于神经网络的表示学习方法的兴起,使得自动学习特征成为可能。该文探索了一种基于表示学习的中文分词方法。首先从大规模语料中无监督地学习中文字的语义向量,然后将字的语义向量应用于基于神经网络的有监督中文分词。实验表明,表示学习算法是一种有效的中文分词方法,但是我们仍然发现,由于语料规模等的限制,表示学习方法尚不能完全取代传统基于人工设计特征的有监督机器学习方法。

摘要：根据话题跟踪的定义和特点,分析了K最近邻(KNN)算法和支持向量机(SVM)算法的优缺点,发现它们的优缺点具有互补的可能性,提出了KNN和SVM并行结合的算法作为话题跟踪算法,设计了话题跟踪实验,实验结果证明了新算法作为话题跟踪算法,考虑了话题跟踪的特点,利用了KNN算法和SVM算法的理论优势而避免了理论的缺陷,处理话题跟踪问题时具有很好的话题跟踪效果.

摘要：根据中文新闻报道的特点,分析了信息增益的缺陷,对比了文本证据权,并用文本证据权的算法思想改善其缺陷,提出了基于两层阈值的特征选择算法,设计并实现了基于两层阈值的话题/报道表示模型.根据话题检测与跟踪评测结果,基于两层阈值的话题/报道表示模型的最好性能比基于信息增益的模型提高了3.321%,证明了新的算法和模型具有更好的性能.

摘要：Lucene是一个优秀的开源的全文搜索技术框架,按照框架规范,扩展它的功能,可以将它很好地嵌入到搜索引擎中。研究了Lucene的索引结构和原理,通过改进增量索引、增大索引缓冲区的大小和减少往磁盘上写索引文件的频率,达到提高创建索引效率的目的。设计了全文检索实验,实验结果表明,该方法使10 000篇文档创建索引的平均效率比前人方法提高了19.5%,具有良好的应用前景。