公共文化服务平台

盛益强: 作品数：66 被引量：52H指数：5; 供职机构：中国科学院声学研究所更多>>; 发文基金：中国科学院战略性先导科技专项国家科技重大专项更多>>; 相关领域：自动化与计算机技术文化科学电子电信更多>>

合作作者

一种结合拓扑过滤和社区发现的媒体传播方法: 本发明涉及一种结合拓扑过滤和社区发现的媒体传播方法，包括：将用户关系抽象为图，并对图中节点进行基于中心性的拓扑过滤；运用社区发现算法，从经过拓扑过滤的节点所构成的图中挖掘出高密度社区；将高密度社区虚拟化为虚拟节点，得到一...; 盛益强陈婉杰赵震宇王劲林; 文献传递

一种非常深度神经网络的自动加层训练方法: 本发明涉及一种非常深度神经网络的自动加层训练方法，包括：步骤1)、确定训练集、非常深度神经网络的初始结构，并对所述非常深度神经网络及相关参数进行初始化；步骤2)、训练非常深度神经网络并修改其误差率饱和状态；步骤3)、判断...; 盛益强李南星赵震宇; 文献传递

一种基于大规模网络节点的内容分发方法及系统: 本发明公开了一种基于大规模网络节点的内容分发方法及系统，所述方法首先根据所要分发的内容，将存储有该内容的节点作为源节点，存入激活节点集合中，然后查找各个激活节点的所有相邻节点，获取各相邻节点的度的信息，并对相邻节点进行划...; 盛益强王劲林赵震宇廖怡程钢; 文献传递

一种基于测量的启发式网络拓扑匹配优化算法被引量：3: 2018年; 在复杂多变的网络环境下,覆盖网络与物理网络之间普遍存在着拓扑不匹配问题.拓扑不匹配问题会给网络造成不必要的压力,影响系统的效率和可扩展性等.缓解拓扑不匹配问题有助于提高网络寻址效率、减少冗余流量、降低端到端时延.随着计算机和通信技术的不断发展,互联网的规模不断增大,网络节点的地理位置分布范围扩大、移动性增强,极大地增加了网络的动态性,尤其是节点的频繁加入、退出和失效,严重地加剧了大规模网络中覆盖网络与物理网络的不匹配问题.为了缓解该问题,该文提出了一种基于测量的启发式拓扑匹配优化算法(Measurement-based Heuristic Topology Matching Optimization Algorithm,MHTMOA),该算法包括了节点加入、退出和失效算法,用于维护一个或者多个树形覆盖网络.该算法的主要优点在于:(1)通过网络测量技术获取底层物理网络中节点间的跳数信息,简单地利用跳数三角形的边长关系,就可有效地将相近节点逐渐地汇聚;(2)允许对跳数进行粗粒度的比较,并通过三角不等式违反(Triangle Inequality Violation,TIV)感知以及启发式规则选择邻居节点,每个节点最终可获得一个准确度较高的邻居节点集合;(3)在节点频繁加入、退出和失效的场景下,节点之间也能保持高一致性的近邻关系.除了传统的时延伸缩比(Latency Stretch,LS)外,该文还定义了全局拓扑匹配比(Global Topological Matching Ratio,GTMR)和局部邻居节点准确率(Local Neighborhood Accuracy,LNA)这两个量化指标,以便更精确地衡量拓扑一致性.评价结果表明,相较于现有算法,提议算法的GTMR和LNA提升显著,LS降幅可达53%,从而更好地缓解了拓扑不匹配问题.; 廖怡盛益强王劲林; 关键词：覆盖网络物理网络网络测量

单时序特征图卷积网络融合预测方法被引量：1: 2020年; 近年来,图神经网络逐渐成为深度学习领域广泛讨论的话题和研究的重点,但大多数研究都是基于图节点,在存在多维属性的前提下进行分类和回归预测,对单时序特征的图节点预测并不能产生理想的效果。本文提出一种时序图卷积网络算法,可以在复杂图网络中,只根据节点单一特征的时序序列,实现对该特征的预测。算法通过在传统图卷积网络中对邻接矩阵参数化,解决单一特征条件下的参数退化问题,并结合长短时记忆网络的序列学习方法,将时序信息融入到训练过程中,提高训练精度。在交通流量数据集PeMS和Los上的实验表明,其预测精度要优于GCN、T-GCN、GRU、LSTM等主流算法。; 李昊天盛益强; 关键词：网络预测

结合心跳和粒度的数据挖掘方法及装置: 本发明涉及一种结合心跳和粒度的数据挖掘方法及装置，方法包括：第一节点获取第一数据集并将所述第一数据集输入到预设模型，对预设模型训练获得第一权重集；依据由粒度约束计算出的心跳频率，第一节点向第二节点发送心跳包后，接收所述第...; 盛益强李超鹏王劲林; 文献传递

一种基于左右脑模型的分布式大数据实时处理系统及方法: 本发明涉及一种基于左右脑模型的分布式大数据实时处理系统，包括：由m个边缘左脑模块组成的边缘左脑模块集合{B(i)EL}、由m个边缘右脑模块组成的边缘右脑模块集合{B(...; 盛益强王劲林李超鹏邓浩江王玲芳卓煜刘学; 文献传递

一种不完全可测环境下的覆盖网络构造方法被引量：1: 2020年; 覆盖网络技术是下一代互联网、云计算数据中心网、软件定义网络(Software-Defined Network,SDN)等研究领域的热门技术。基于网络测量的覆盖网络可基于实时网络状态数据构建,较好地适应网络的动态性。但该类方法也面临着网络状态信息不完全可测(Incompletely Measurable)的问题,即节点加入所需的全局信息难以测量或在有限的时间内难以获取足够的节点信息,导致部分节点间的网络状态信息缺失,无法顺利完成节点加入过程。为解决该问题,本文提出一种用于不完全可测网络环境的覆盖网络拓扑构造方法(Topology Construction method for Incompletely Measurable network,TCIM),基于时延构建树形拓扑结构。TCIM包含一种高精度节点加入方法和一种低复杂度节点加入方法,其中高精度节点加入算法利用时延三角形的三边关系,为节点选择合适的父节点,用于小规模或静态/低动态性条件下的节点加入;低复杂度节点加入方法在已加入的节点中,自适应选择常数个节点进行测量,选择时延最小的节点作为父节点,可用于大规模、高动态以及网络不完全可测条件下节点的加入。仿真结果表明,TCIM生成的树结构在不同的网络拓扑模型下时延伸缩比(Latency Stretch)均小于对比方法,在Waxman模型和BA模型下取得更小的拓扑维护代价,可通过合理设置TCIM中高精度节点加入和低复杂度节点加入数目构建树形覆盖网络,满足不同的拓扑维护代价和拓扑结构匹配准确度需求。; 廖怡盛益强王劲林; 关键词：覆盖网络拓扑构造拓扑匹配

用户关系预测模型的建立及用户动态关系的预测方法: 本发明公开了一种用户关系预测模型的建立方法，所述方法包括：步骤S1)从原始社交关系网络中通过随机游走抽样得到两个用户关系的子网络；步骤S2)分别提取子网络中每条边连接的用户二元组的共同好友数、共同好友集聚系数、好友集聚系...; 盛益强李南星刘学; 文献传递

基于门控循环神经网络的网络时延预测模型被引量：1: 2021年; 在信息中心网络ICN与5G融合的新型网络架构下,现场增强名字解析系统通过确定性时延名字解析服务来应对工业物联网IIoT等新应用对确定时延的挑战,其节点结构划分和维护需要测量节点间的时延。精确的网络时延预测可以减少测量代价,比简单移动平均方案更好地应对网络时延的变化。本文设计并实现了一种基于门控循环神经网络的网络时延预测模型,并基于亚马逊公司异地机房之间的真实时延数据进行了验证。实验结果表明,所提模型的预测精度比传统模型平均提高了20%以上,能够在业务场景中得到应用。; 吴上邓浩江盛益强; 关键词：时延预测

盛益强

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

盛益强

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈