摘要：层次结构的泛函网络结构存在较多的隐变量,导致相同时间周期内的学习预测次数较少,为此设计基于云安全模型的层次泛函网络整体学习算法。采用云服务器获取安全模型运行时的各类信息数据,定义云安全模型内指标的姿态值,并构建姿态值三元约束数值关系,控制网络结构内隐变量数量,构建层次泛函网络逼近数值模型,将同等属性数据集的泛函数值处理为输入单元,输出整体学习算法形成的邻近域。结果表明:所设计的整体学习算法产生的学习预测次数最多,算法的学习预测能力最强。

摘要：由于传统的簇状树形无线传感器网络路由协议簇首能耗方差较大,导致存活节点数量和节点剩余能量较少,降低了无线传感器网络的使用寿命,为此设计一种基于云安全模型的簇状树形无线传感器网络路由协议。通过计算簇状树形无线传感器网络在接收与发送数据时的传输能耗,利用云安全模型获取云安全态势各种要素之间的不确定关系,预测节点的综合信任值,以预测结果为基础,采用蚁群算法获取分区节点的最优路径,完成簇状树形无线传感器网络路由协议。实验结果表明,本文设计的路由协议簇首能耗方差较小,存活节点数和节点剩余能量更多,接收数据包量比其他2种协议分别高出了48.1%和22.6%。由此可见,本文设计的路由协议延长了簇状树形无线传感器网络的使用寿命。