检索结果-南通市图书馆

作者：裴双迎南京邮电大学

学位级别：硕士

对等网络（Peer-to-Peer network,简称P2P网络）是分布式系统和计算机网络相结合的产物,它打破了传统的客户端／服务器（C/S）模式,让所有网络成员享有“自由、平等、互联”的功能,不再有客户、服务器之分,任何两个网络节点之间都能共... 详细信息

对等网络（Peer-to-Peer network,简称P2P网络）是分布式系统和计算机网络相结合的产物,它打破了传统的客户端／服务器（C/S）模式,让所有网络成员享有“自由、平等、互联”的功能,不再有客户、服务器之分,任何两个网络节点之间都能共享文件、传递消息。 2002年,家喻户晓的BitTorrent网络出现,其简称“BT”已成为“自由下载、文件共享”的代名词。BitTorrent作为现在最为流行的P2P协议主要归功于它的两个核心算法：片段选择算法和节点选择算法。 BitTorrent协议中的片段选择算法采用的是分片副本数量局部最少优先策略,大量研究工作证明这种策略不能使分片数量均匀度接近于最优,本文采用改进的SmartSeed算法对这种策略进行改进,经过实验证明分片数量均匀度、下载速度、平均下载时间比传统的策略和改进前的SmartSeed策略有了较大的改进。 BitTorrent协议中采用的节点选择算法分为Tracker节点选择算法和上传节点选择算法。Tracker算法作为节点下载的主要环节,对节点下载效率起到至关重要的作用。Tracker节点选择算法近似于一种随机选择策略,算法存在不确定性、随机性比较强,可能需要很长的搜寻时间才能找到合适的服务提供者。针对这个问题,本文采用改进的节点选择算法,帮助节点在最短的时间内找到合适的节点。实验证明改进后算法下载速度有了明显提高,并且在最后阶段模式下载速度也没有明显的降低。自从流媒体技术产生以来学术界就一直在寻找一个合适的网络传输载体,P2P技术的发展正好适应了流媒体传输的要求。本文对BitTorrent核心算法进行改进,让它作为视频点播（VOD）传输的载体。文中引进滑动窗口机制对文件分片请求策略进行改进,使视频资源可以快速有序播放。最后通过实验验证基于BitTorrent的视频点播资源传输效果较好,播放流畅,满足人们对视频点播的要求。

关键词： BitTorrent 片段选择算法节点选择算法视频点播

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向大数据的聚类挖掘算法研究

面向大数据的聚类挖掘算法研究

作者：王玉雷南京邮电大学

学位级别：硕士

大数据巨大的潜在价值促使大数据挖掘技术的产生,大数据挖掘是指从具有大规模性、高速性和多样性的数据源中挖掘出有价值知识的数据处理过程;如何准确、快速地从大数据中挖掘出有价值的知识是当今的研究热点。本文将面向大数据的聚类挖... 详细信息

大数据巨大的潜在价值促使大数据挖掘技术的产生,大数据挖掘是指从具有大规模性、高速性和多样性的数据源中挖掘出有价值知识的数据处理过程;如何准确、快速地从大数据中挖掘出有价值的知识是当今的研究热点。本文将面向大数据的聚类挖掘算法作为研究重点,以提高聚类挖掘算法的准确度和效率为研究目标,首先对传统聚类挖掘算法进行改进以提高准确度,然后对改进的聚类算法并行化以提高效率。为了提高聚类的准确度,本文在DBSCAN算法和k-means算法的基础之上,提出了基于密度的增量k-means聚类算法(Density-based Incremental k-means,DBIK-means)。DBIK-means算法首先计算数据点的密度,以密度不小于给定阈值的中心点以及在其密度范围内的点组合成各个基本簇;再依据两个簇中心点之间的距离合并基本簇;最后把没有划分到任意簇的点划分到与其距离最近的簇中。理论分析和基于KDD CUP 99数据集的实验结果表明了该算法能够发现任意形状的簇,对数据点的输入顺序以及参数不敏感,在时间开销仅略有增加的情况下可获得更高的聚类准确度,其总体性能优于k-means。为了提高DBIK-means算法的效率,降低算法的时间复杂度,本文利用分布式数据库来模拟共享存储空间,在云计算Hadoop平台上进行DBIK-means算法的并行化;通过仿真实验进行验证,实验结果表明DBIK-means算法适合大规模数据集的聚类挖掘。本文最后将DBIK-means聚类算法应用于电信客户的分类中,应用结果表明该聚类算法能够较为准确地将大量的电信客户自动划分到若干簇中,为电信运营商针对不同类型的客户制定不同的营销策略提供帮助。

关键词：大数据聚类挖掘 k-均值云计算 Hadoop

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

隐私保护的数据流分类算法研究

隐私保护的数据流分类算法研究

作者：陈煜南京邮电大学

学位级别：硕士

随着云计算和信息共享技术的不断发展和普及应用,传感器网络、Web应用服务、网络流量监控、入侵检测等应用领域出现了数据流形式的数据,数据流具有实时、突变、潜在无限、概念漂移的特性,这给传统的隐私保护的分类挖掘方法带来了挑战。... 详细信息

随着云计算和信息共享技术的不断发展和普及应用,传感器网络、Web应用服务、网络流量监控、入侵检测等应用领域出现了数据流形式的数据,数据流具有实时、突变、潜在无限、概念漂移的特性,这给传统的隐私保护的分类挖掘方法带来了挑战。本文以数据流分类挖掘中的隐私保护为研究内容,设计较为高效的隐私保护的数据流分类挖掘算法,主要完成了以下工作:首先,基于传统的数据流分类算法VFDT和VFDTc,针对连续属性数据流,设计并实现了一种基于红黑树的快速决策树分类算法,命名为VFDTBT(Very Fast Decision Tree Based on Red Black Tree),该算法利用红黑树来提高计算连续属性的信息增益的效率,并且利用Hoeffding不等式和允许连续属性重复出现的原则来提高算法的分类精度;通过实验验证了VFDTBT算法在时间效率和分类精度方面的优势。其次,针对数据流挖掘算法中的隐私泄露问题,基于VFDTBT设计并实现了一种基于快速决策树的隐私保护的数据流分类算法,命名为PPFDT(Privacy Preserving Fast Decision Tree),该算法能在利用随机扰动技术进行隐私保护的同时快速建立决策树;通过实验验证了PPFDT算法不仅具有与VFDTBT近似的准确度,而且具有较高的效率。最后,为满足数据流的实时处理需求,解决隐私保护的数据流分类算法在单节点下的高负载问题,基于流计算平台Storm对PPFDT算法进行了分布式并行化,设计了并行的基于快速决策树的隐私保护的数据流分类算法,命名为PPFDT(Parallelized Privacy Preserving Fast Decision Tree)。该算法在处理大规模数据时具有较高的吞吐量和实时性,也具有较好的可扩展性和并行效率。本文以数据流分类挖掘的隐私保护为研究目标,设计了相关算法,并结合实时流计算平台Storm进行了算法的并行化;研究成果具有一定的理论价值和较好的实用性。

关键词：数据流分类隐私保护并行化 Storm

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于聚类分析的社会网络社团划分方法研究

基于聚类分析的社会网络社团划分方法研究

作者：王伟南京邮电大学

学位级别：硕士

近年来,随着Web2.0的发展,社会网络越来越受到更多学者们的关注和研究。在社会网络的众多性质中,社团结构是其最重要同时也是最具有研究意义的性质之一。通过社团的划分,我们不仅能够了解和分析网络的结构特点,也能够挖掘出表面数据关... 详细信息

近年来,随着Web2.0的发展,社会网络越来越受到更多学者们的关注和研究。在社会网络的众多性质中,社团结构是其最重要同时也是最具有研究意义的性质之一。通过社团的划分,我们不仅能够了解和分析网络的结构特点,也能够挖掘出表面数据关系之中的隐性信息。在目前的研究中已经有了很多经典的社团划分算法,比如Girvan-Newman算法,Keinighan-Lin算法等,但是准确度和时间复杂度之间的平衡仍然是社团划分算法的主要问题之一。本文对社会网络的社团划分方法进行了研究,首先系统地分析比较了现有划分算法的优缺点,然后基于聚类分析的思想,提出了两种改进的社团划分方法:基于节点相似度系数聚类的社团划分方法(Community Division Method Based on Node Similarity Clustering,NSCCDM)和基于遗传算法聚类的社团划分方法(Genetic Algorithm Clustering Based Community Division Method,GACCDM)。NSCCDM方法首先通过欧几里得公式和最短路径构造了一种新的相似度系数度量方法,并生成相似度系数矩阵,然后通过比较节点之间的相似度系数,进行节点的聚类,最后再使用模块度函数Q对被重复划分的节点进行最优社团选择。GACCDM方法主要采用了遗传算法的思想。该方法使用了模块度函数Q作为适应度函数来控制遗传算法的进化过程;采用指向性的变异策略代替随机变异策略加快算法的收敛速度;并结合网络的拓扑结构和节点之间的相似度系数关系进行遗传聚类,从而完成对社团的划分。本文使用java语言对以上的两种方法进行编码实现,并将它们分别应用于真实社会网络:Zachary空手道俱乐部网络、海豚网络以及美国足球网络。实验得出的划分结果与实际情况相符,从而表明了本文算法的准确性和可用性。

关键词：社会网络社团划分聚类分析相似度系数遗传算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向位置服务的轨迹隐私保护技术研究

面向位置服务的轨迹隐私保护技术研究

作者：史敏仪南京邮电大学

学位级别：硕士

近年来，随着移动互联网和具有定位功能的设备的快速发展，基于位置的服务（LocationBased Service，LBS）已成为人们生活的一部分。随着隐私保护观念的提升，人们在享受位置服务的同时，会担心自己的位置隐私被泄露。轨迹隐私是位置隐... 详细信息

近年来，随着移动互联网和具有定位功能的设备的快速发展，基于位置的服务（LocationBased Service，LBS）已成为人们生活的一部分。随着隐私保护观念的提升，人们在享受位置服务的同时，会担心自己的位置隐私被泄露。轨迹隐私是位置隐私的一个重要方面。现有的轨迹隐私保护的方法大多都采用轨迹K-匿名和在运动路径上构建无服务区。本文则基于K-匿名原理对轨迹隐私保护做了进一步的研究。本文首先提出了一种基于贪心法的位置K-匿名算法。该算法充分考虑到目标用户与其邻近用户的分布情况，在构建匿名区域时每一步都选择当前最优的相邻区域，再对通过贪心法构建的匿名区域去除冗余，形成最终的满足要求的匿名区域。本文还通过实验对该算法进行了准确性和稳定性的分析比较，并分析了应用空间网格化精度对算法的影响。基于假名机制、脚印机制和本文所提出的基于贪心法的位置K-匿名算法，本文进一步提出了一种适应隐私度需求的轨迹隐私保护方案。该方案不仅能保护用户的轨迹隐私，还能满足用户对隐私度的不同需求。该方案把应用空间分为敏感区域和非敏感区域，对非敏感区域内的用户的身份信息进行假名处理;对敏感区域内的用户的身份信息和位置信息分别进行假名和位置K-匿名处理;在构造K-匿名的过程中使用脚印来增加攻击的难度。本文还通过理论和实验来分析假名的生成周期和敏感区域数对轨迹隐私保护度的影响。理论分析和实验结果表明，本文提出的算法和方案在位置服务的轨迹隐私保护方面具有良好的效果和较高的效率。

关键词：轨迹隐私位置隐私 K-匿名敏感区域假名脚印

分布式环境下关联规则挖掘的隐私保护方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分布式环境下关联规则挖掘的隐私保护方法研究

作者：戴支立南京邮电大学

学位级别：硕士

随着网络、通信和计算机技术的迅速发展,数据挖掘呈现出数据海量化,分布式挖掘等特点,如何在挖掘过程中保护隐私数据和防止敏感信息泄露已成为当前面临的重大挑战,隐私保护数据挖掘（PPDM）也已经成为数据挖掘（DM）领域的一个重要课题... 详细信息

随着网络、通信和计算机技术的迅速发展,数据挖掘呈现出数据海量化,分布式挖掘等特点,如何在挖掘过程中保护隐私数据和防止敏感信息泄露已成为当前面临的重大挑战,隐私保护数据挖掘（PPDM）也已经成为数据挖掘（DM）领域的一个重要课题。关联规则挖掘是应用最为广泛的数据挖掘方法之一。本文对分布式环境下关联规则挖掘的隐私保护方法进行研究,目的就是在最大化地挖掘出数据库中潜藏的知识的同时保护数据隐私。本文从敏感数据的保护和敏感知识的保护两个方面,介绍了数据挖掘中常用的隐私保护技术;在概述了数据挖掘技术的基础上,重点介绍了分布式关联规则挖掘的原理和流行的算法,分析了各种算法的优缺点。在此基础上,本文针对分布式关联规则挖掘中敏感知识的保护进一步做了以下研究工作: （1）对于水平划分的数据集,设计了一种在本站点隐藏敏感规则的数据清洗算法。该算法在对本站点的数据集做最小改动的基础上,实现了对本站点数据集中敏感规则的完全隐藏,较大程度地保证了全局挖掘结果的准确性和对敏感规则的隐藏效果。此外,还采用RSA加密与同态加密相结合的加密方案对各个站点之间传送的频繁项集信息进行加密,该方案综合考虑了数据加密的安全性和加密算法的高效性,达到了效率与安全的平衡。（2）对于垂直划分的数据集,分布式关联规则挖掘的隐私保护的关键在于安全地计算全局频繁项集。本文提出一种新的安全求项集支持度的协议,该协议可以在准确地求出项集的支持度的同时不泄露各个站点的私有信息。（3）对文中设计的相关算法做了实验,实验结果表明这些算法具有较好的隐私保护性、准确性和高效性。论文在分布式环境下关联规则挖掘的隐私保护方面做了有益的工作。

关键词：分布式环境隐私保护关联规则挖掘

财政预算执行审计数据综合分析系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

财政预算执行审计数据综合分析系统设计与实现

作者：刘恒南京邮电大学

学位级别：硕士

随着信息化的发展,被审计单位充分应用信息化管理实现了数据集中。目前许多被审计单位已经实现了高水平的会计电算化,并且具备高速先进的数据库管理系统,为了适应被审计单位信息化水平的发展,审计部门必须提升自身审计水平,引入信息化技... 详细信息

随着信息化的发展,被审计单位充分应用信息化管理实现了数据集中。目前许多被审计单位已经实现了高水平的会计电算化,并且具备高速先进的数据库管理系统,为了适应被审计单位信息化水平的发展,审计部门必须提升自身审计水平,引入信息化技术,研发相应的审计软件,更好地履行自身审计的职能。本文的目标是构建财政预算执行审计数据综合分析系统;基于财政预算执行过程的流程,分析了系统的需求;设计了系统的总体架构,该架构采用B/S结构,包括基础数据层、审计支撑平台、工具组件层、应用层;设计了数据库结构,设计了数据采集模块、预警模块、查询分析模块、疑点管理模块、多维分析模块和业务协同模块的功能,并展示了主要功能的实现效果;对系统进行了部署;最后,为确保各模块能够稳定运行,分别对系统进行了功能和性能两方面的测试。测试结果表明,本文所开发的财政预算执行审计数据综合分析系统能够满足不同用户的使用需求。该系统实现了审计模式从松散到联合的转变,这有助于提升审计部门的工作效率;审计实施范围也由原来的抽查审计到扩大范围的和覆盖面的审计,将审计提升到了另一个层面;在审计监督方面实现了由点到面的转变,问题揭示从整个面出发,为改善审计缺陷做出了重大贡献,审计监督的强度也得到提升。

关键词：审计数据分析统一建模语言数据库

基于多模态特征融合的视频中人物情绪识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态特征融合的视频中人物情绪识别算法研究

作者：钟谭媛南京邮电大学

学位级别：硕士

情绪识别是计算机视觉领域近几年来研究较多的课题。目前的研究成果主要集中在仅基于面部表情的情绪识别或仅基于身体动作的情绪识别方面,但这些单模态的情绪识别算法泛化能力并不强,并且准确率也存在提高的空间。为了提高情绪识别的准... 详细信息

情绪识别是计算机视觉领域近几年来研究较多的课题。目前的研究成果主要集中在仅基于面部表情的情绪识别或仅基于身体动作的情绪识别方面,但这些单模态的情绪识别算法泛化能力并不强,并且准确率也存在提高的空间。为了提高情绪识别的准确率,本文对基于多模态特征融合的视频中人物情绪识别算法进行研究,重点研究如何综合运用面部表情特征和身体动作特征来进行视频中人物情绪的识别。首先,以提高情绪识别的准确率为目标,设计了一种融合面部表情和身体动作特征的人物情绪识别算法FBER。该算法使用C3D网络提取视频中面部表情与身体动作的时空特征;在稀疏编码树的框架下,使用MOD算法对所提取的特征向量进行字典学习;利用SVM分类器进行情绪分类识别。基于FABO数据集进行的人物情绪识别实验结果表明,无论与仅针对面部表情或仅针对身体动作的单模态情绪识别算法相比,还是与其它的融合面部表情和身体动作的情绪识别算法相比,FBER算法都具有更高的准确率。接着,考虑到面部表情特征和身体动作特征的提取对情绪识别效果有着直接的影响,以更有效地提取视频中人物的面部表情和身体动作特征为目标,对C3D网络进行改进,设计了基于注意力机制的3D卷积网络AM-C3D。AM-C3D将CBAM注意力机制与3D卷积进行集成,形成3DCBAM注意力机制,然后将3DCBAM注意力机制与C3D网络结合,以此提高对视频中的通道特征和空间特征的利用率,增强感兴趣的特定目标区域,同时弱化不相关的背景区域;在真实数据集FABO上的实验结果表明AM-C3D网络比C3D网络具有更好的识别效果。最后,将AM-C3D应用到FBER算法中,形成基于AM-C3D的FBER算法AM-FBER,进一步提高视频中人物情绪识别的准确率。为了检验AM-FBER算法的有效性和实用性,开发了一个较为简单的观影情绪识别原型系统。该系统使用AM-FBER算法对人们观影时的视频进行情绪识别。应用结果表明,AM-FBER算法能够有效地应用到观影情绪识别原型系统中,较为准确地识别出观影时的情绪。

关键词：情绪识别注意力机制 3D卷积网络稀疏编码树字典学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Storm的流关联挖掘算法实现及应用

基于Storm的流关联挖掘算法实现及应用

作者：孙杜靖南京邮电大学

学位级别：硕士

从海量数据中发现关联规则一直是数据挖掘研究的热点,尽管学术界已提出了许多基于静态数据集的关联挖掘算法,但由于流数据具有持续、无限、高速产生的特性,在流数据中隐藏的知识很可能随着时间的推移而产生变化,因而仍需要研究新的面向... 详细信息

从海量数据中发现关联规则一直是数据挖掘研究的热点,尽管学术界已提出了许多基于静态数据集的关联挖掘算法,但由于流数据具有持续、无限、高速产生的特性,在流数据中隐藏的知识很可能随着时间的推移而产生变化,因而仍需要研究新的面向流数据的关联挖掘算法。为了更好地分析在线流数据,基于不同的时间粒度从流数据中抽取关联规则,并提高流数据的关联挖掘的效率,本文基于FP-Stream算法,借助MapReduce并行编程模型,设计了针对流数据的关联挖掘算法DPFP-Stream(Distributed Parallel Frequent Patterns Mining Algorithm for Stream Data,简称DPFP-Stream);并将该算法在Storm平台上实现。在实现方案中,数据源采用消息中间件Kafka,并将中间结果通过序列化技术存入内存数据库Redis中。多方位的实验结果与分析表明,该算法从高速的数据流中发现关联规则的效率很高且性能稳定,且支持不同时间粒度。为了验证该算法的实用性,本文将DPFP-Stream算法应用到穿搭购物推荐系统中去,通过分析达人穿衣搭配规律及用户购买规律,实时更新关联规则,根据用户浏览的商品推荐其搭配的衣服。经正确性测试和性能测试,发现该系统响应时延小,用户体验良好,说明基于Storm实现的DPFP-Stream算法能很好地应用到穿搭购物推荐系统中去,能实现推荐商品的准确、高效投放。

关键词：流数据关联挖掘频繁模式 Storm Kafka Redis 推荐系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信息融合算法及其应用研究

信息融合算法及其应用研究

作者：刘涛南京邮电大学

学位级别：硕士

随着无线传感网的日益广泛应用和物联网的产生与应用，信息融合技术已经逐渐融入到社会生活当中，给人们生活带来了前所未有的便利。随着传感器数据来源越来越复杂，如何全面、快速、准确的获取信息已成为研究热点，因此对信息融合方法... 详细信息

随着无线传感网的日益广泛应用和物联网的产生与应用，信息融合技术已经逐渐融入到社会生活当中，给人们生活带来了前所未有的便利。随着传感器数据来源越来越复杂，如何全面、快速、准确的获取信息已成为研究热点，因此对信息融合方法的研究具有重要意义。本文以多传感器的监测数据作为研究对象，从监测数据的时间和空间冗余性出发，利用流数据模型构建了基于时间维的数据级信息融合模型和基于空间维的特征级信息融合模型，提出了对应的信息融合方法，并将之应用于森林火灾监测系统中。具体研究内容如下：为了更好的利用监测数据上下文的情景信息，提出了基于滑动窗口的信息融合模型，其基本思想是利用窗口内连续数据序列的上下文情景信息，对属性在窗口内的变化进行估计，并利用这种估计来表述属性的变化;同时利用同一属性不同窗口以及不同属性相同窗口的数据序列之间存在的冗余信息，实现多传感器数据的关联和融合。针对数据级的信息融合，提出了基于时间维的数据级信息融合算法--DIFAT算法（Data-Level Information Fusion Algorithm based on Time-Dimension），利用被监测对象自身存在的变化规律，对窗口内数据序列进行时域和频域分析，建立被监测对象关于时间变化的模型，并通过最优化方法给出被监测对象规律的最优估计。利用Matlab仿真工具，对该算法的有效性进行了验证，结果表明该算法能有效地去除部分噪声，减少感知数据的不确定性，得到相对可靠的对属性变化特性的估计。针对特征级的信息融合，既考虑了同一属性不同传感器数据的融合，也考虑了不同属性不同传感器的数据融合，提出了基于空间维的特征级信息融合算法--FIFAS算法（Feature-LevelInformation Fusion Algorithm based on Spatial-Dimension），通过数据关联、神经网络等方法确定被监测属性之间的映射关系，并利用这种关系进行信息融合，确定被监测属性的状态。利用Matlab仿真工具，对该算法的有效性进行了验证，结果表明该算法能很好的描述属性的真实情况，对属性的原始的数据频域分布能做出合理的估计。为了进一步验证所提出的算法的实用性，设计了各算法在森林火灾监测系统中的应用架构，运用DIFAT算法和FIFAS算法给出森林火灾的预警等级。

关键词：信息融合多传感器时间维空间维滑动窗口神经网络