高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。     

Visual-simulation region proposal and generative adversarial network based ground military target recognition

Ground military target recognition plays a crucial role in unmanned equipment and grasping the battlefield dynamics for military applications, but is disturbed by low-resolution and noisy-representation. In this paper, a recognition method, involving a novel visual attention mechanism-based Gabor region proposal sub-network (Gabor RPN) and improved refinement generative adversarial sub-network (GAN), is proposed. Novel central–peripheral rivalry 3D color Gabor filters are proposed to simulate retinal structures and taken as feature extraction convolutional kernels in low-level layer to improve the recognition accuracy and framework training efficiency in Gabor RPN. Improved refinement GAN is used to solve the problem of blurry target classification, involving a generator to directly generate large high-resolution images from small blurry ones and a discriminator to distinguish not only real images vs. fake images but also the class of targets. A special recognition dataset for ground military target, named Ground Military Target Dataset (GMTD), is constructed. Experiments performed on the GMTD dataset effectively demonstrate that our method can achieve better energy-saving and recognition results when low-resolution and noisy-representation targets are involved, thus ensuring this algorithm a good engineering application prospect.     

基于统计回归模型的突发事件网络舆情研究

突发事件网络舆情传播速度快,在较短的时间内能够引起社会大众的广泛关注,产生较大的影响.通过利用突发事件网络舆情传播规律和酶促反应相似的机理,构建统计回归模型来研究分析突发事件网络舆情的规律,并通过实例进行论证,以期为政府应对突发事件网络舆情提供参考.     

群体性事件网络舆情传播模式与引导机制研究

近几年,群体性事件发生频率和危害程度明显呈上升趋势,群体性事件网络舆情研究逐渐成为热点课题。在重点分析群体性事件网络舆情两种传播模式的基础上,研究政府引导网络舆情的日常引导机制和应急引导机制,以期为政府治理群体性事件提供参考依据。     

一种基于最小生成树的无线多跳网络信道分配算法

为提高无线多跳网络的吞吐量和传输可靠性,提出一种信道分配算法。该算法优先考虑最小生成树上的可用信道,为每个节点分配信道资源;然后考虑利用生成树外其他可用链路,为节点提供信道资源,以提高吞吐量。算法通过考虑每个用户的通信需求,可以充分利用空闲信道资源。仿真结果显示,相比于不考虑最小生成树外链路时,有效地提高了网络整体吞吐量。     

基于LVQ网络的高校科研能力评估

作为高校核心能力的科研能力,其高低已成为衡量一所高校综合实力的重要指标。如何准确高效的评价高校科研能力成为政府、企业和高校面临的一个十分重要的问题。影响高校科研能力的因素众多,本文选取11个典型指标,建立了基于LVQ的高校科研能力评估模型及算法。首先,介绍了LVQ网络;其次,建立了一种新的基于LVQ的高校科研能力评估模型及算法;最后,利用MATLAB R2009a编程实现了LVQ高校科研能力评估模型及算法。选取25所高校的科研能力数据用于仿真实验,其中20所高校数据作为训练集,其它5所作为测试集,该算法分类正确率为80%,达到了预期目标。仿真结果表明,该模型提高了高校科研能力评价的准确率,评价结果更加客观、公正,对高校科研能力评价具有一定的参考意义。     

词网络的新闻事件关联建模

互联网上每天都会报道许多新闻事件,为了挖掘各事件间的关系,提出一种新闻事件关联建模方法。该方法首先利用TF-IEF和相邻词合并策略对事件的相关报道集提取关键词,然后综合多种词共现度量窗口对事件关键词的关联关系建模,构建事件关键词关联网络,最后依据事件间共有关键词的程度建立事件关联模型,从而建立事件关联网络。实验表明该方法能够较准确地提取报道集的关键词,较好地发现事件间的关联关系。     

地空导弹发控系统寿命预测的组合模型

将灰色系统理论和BP神经网络有效地结合起来,建立了灰色BP神经网络的组合预测模型,并采用遗传算法对该模型进行优化。为了验证优化后模型的有效性,采用灰色BP神经网络的预测结果进行对比分析。实际数据的预测结果表明,优化之后的模型比单独采用灰色BP神经网络,具有更小的均方差(MSE,Mean Square Error),对发控系统剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度。     

Model Versions and Fast Algorithms for Network Epidemiology

Network epidemiology has become a core framework for investigating the role of human contact patterns in the spreadingof infectious diseases. In network epidemiology, one represents the contact structure as a network of nodes（individuals） connected bylinks（sometimes as a temporal network where the links are not continuously active） and the disease as a compartmental model（whereindividuals are assigned states with respect to the disease and follow certain transition rules between the states）. In this paper, we discussfast algorithms for such simulations and also compare two commonly used versions,one where there is a constant recovery rate（the numberof individuals that stop being infectious per time is proportional to the number of such people）;the other where the duration of the diseaseis constant. The results show that, for most practical purposes, these versions are qualitatively the same.     

基于ANP的多目标网络目标重要度评估方法＊

针对多目标网络中重心的抽象性及不易打击的特点,分析影响重心的关键要素及其依赖关系,提出了基于改进网络分析法的多目标网络重心模型,利用该模型分析目标相对于重心的重要度。研究了该模型涉及的两个关键技术,即改进判断矩阵以提高决策的速度和克服决策的主观性,利用协调理论确定要素之间的依赖关系。以分析某地区多目标网络的过程为例,验证了该模型的有效性和合理性。