摘要：现代数据中心网络(Date Center Network,DCN)经常会使用多路径(Multi Path,MP)拓扑结构,这样可以避免两节点间某条链路失效而导致的网络拥塞问题,而且增加了网络的带宽和容错率。传统的OSPF(Open Shortest Path First)路由算法会选择单条最短路径作为最终路径,这样可能会导致大部分数据流集中在单一路径上而出现网络拥塞,而其他可用路径处于闲置状态,不能充分地利用DCN中的链路资源,基于SDN(Software Defined Network)的集中化的调度方式能够提高网络利用效率。设计了一套基于Open Flow协议的链路负载均衡模型,详细阐述了它的总体框架和算法实现过程,并通过实验仿真验证了算法的可行性和有效性。

摘要：针对当前加权频繁项集挖掘算法建树复杂、挖掘效率较低的问题,提出基于加权构造链表(WB-list)的加权频繁项集挖掘BFWI算法。构造高度压缩信息的加权构造树(WB-tree),由B-list扩展结构WB-list得到节点信息,以集合枚举树作为搜索空间,结合包含索引减少项集连接次数并利用超集等价性质加快加权频繁项集的产生,提高算法的效率。实验结果表明,BFWI算法在时间和空间效率性能上优于IWS和WIT-FWIs-Diff算法,无论是处理稀疏数据还是稠密数据均得到良好效果。

摘要：为满足未来网络高接入量、高速率的特征,将D2D通信引入蜂窝网络,但这将使网络中用户间干扰情况变得复杂。针对上述问题,提出一种高密度D2D用户复用蜂窝用户资源时的干扰协调方法,主要研究联合资源分配和功率控制来提高系统整体性能的问题。在资源分配方面,保证D2D接入量的前提下最大化每条复用链路的信干噪比。在功率控制方面,提出一种自适应粒子群算法,在蜂窝用户的服务质量得到保证的前提下使得系统的整体吞吐量最优。仿真结果表明,所提算法能够有效提高D2D的接入量并保证系统整体性能。

摘要：全双工模式下,D2D链路的吞吐量约为半双工D2D链路的2倍,但全双工通信在带来吞吐量增加的同时也造成了严重复杂的干扰。由于频谱资源的匮乏,考虑多个D2D用户复用一个蜂窝用户的场景,此时共享同一蜂窝资源的D2D用户对之间还将产生同频干扰。该方案通过图着色对D2D对进行分簇,使蜂窝用户在保证通信质量的条件下能复用足够多的D2D用户对;使用最优匹配算法为每个D2D簇分配最优蜂窝信道资源,达到减少链路间干扰的同时增大系统吞吐量的效果。仿真结果表明,该方案能有效提高频谱资源的利用率,增加系统容量。

摘要：介绍了Qo S和BE两种业务类型并分别在S型函数和上凸函数基础上提出两种业务的效用函数,从用户角度出发,以提高用户间公平性作为研究目标。然后在两种不同的业务下,将不同服务水平的用户进行区分,得到基于服务等级的用户效用函数。最后,以综合效用比值的方式提出了一种基于服务等级的公平性评价方法。

摘要：针对权重社交网络差分隐私保护算法中噪声添加量过大以及隐私保护不均衡问题,提出了一种结合谱聚类算法与差分隐私保护模型的隐私保护算法SCDP。首先针对传统差分隐私保护算法直接向社交网络边权重添加噪声方式带来的噪声添加量过大的问题,结合谱聚类算法,将权重社交网络聚类成为不同的簇,对不同的簇采取随机添加噪声的方式,降低噪声的添加量,提高数据的可用性;其次设计新的隐私预算参数,根据社交网络边权重的大小决定噪声的添加量,实现更均衡的隐私保护;最后通过理论推导和实验证明了SCDP算法处理后的数据可用性更高。

摘要：针对实时语义分割方法中因忽略其本质所导致的分割精度不高的问题,提出了一种多级上下文引导的轻量化网络。首先,将深度可分离卷积及非对称卷积相结合,设计了基于并行非对称卷积的上下文引导模型以学习局部特征及其周围上下文构成的联合特征;其次,将该模型堆叠于网络来实现特征的多级优化;最后,通过通道注意模型筛选出与更高阶段语义一致的浅层特征,从而提高分割效果。实验结果表明,所提网络在Cityscapes数据集上以94.7的帧速率获得了72.4%的平均交并比,并在CamVid数据集上取得显著的性能提升。同当前的其他实时语义分割方法相比,该网络性能更优。

摘要：针对数据流中概念漂移和噪声问题,提出一种新型的增量式学习的数据流集成分类算法。首先,引入噪声过滤机制过滤噪声;然后,引入假设检验方法对概念漂移进行检测,以增量式C4.5决策树为基分类器构建加权集成模型;最后,实现增量式学习实例并随之动态更新分类模型。实验结果表明,该集成分类器对概念漂移的检测精度达到95%~97%,对数据流抗噪性保持在90%以上。该算法分类精度较高,且在检测概念漂移的准确性和抗噪性方面有较好的表现。

摘要：增强型小区间干扰协调(enhanced inter cell interference coordination,eICIC)引入几乎空白子帧(almost black subframes,ABS)来降低异构网络中小区间的干扰,然而过多的ABS会损失宏蜂窝用户性能。为了提高异构网络的性能,联合考虑ABS和低功率几乎空白子帧(low power-ABS,LP-ABS),提出了一种基于混合保护子帧(hybrid protected subframes,HPS)的干扰协调方案。该方案综合考虑用户资源分配、HPS密度、HPS混合比例以及用户接入策略,以最大化系统比例公平效用为目标。仿真结果显示,所提方案在系统负载均衡、用户吞吐量以及用户公平性等指标上都优于传统增强型小区间干扰协调方案。

摘要：针对协同过滤存在的数据稀疏性问题,提出了融合多源信息聚类和IRC-RBM的混合推荐算法。首先以用户信任度和项目时间权重作为聚类依据,利用最小生成树的K-means聚类算法对用户进行聚类分析,生成K个相似用户集合,在聚类分析的基础上进行评分预测;最后通过线性加权的方式,把聚类后评分矩阵和IRC-RBM模型生成的评分矩阵进行加权融合,用Top-N进行推荐。实验结果表明,相比较传统的推荐算法,该混合算法在准确率上有了显著的提升。