摘要：传统基于在线学习的网络浏览行为数据分析平台,缺乏大数据分析能力,无法挖掘和管理用户网络浏览行为,分析效率较低,具有一定的局限性。构建基于分布式集群的网络浏览行为大数据分析平台,平台总体结构由视图层、控制层、服务层、数据持久化层和数据层构成,使用分布式存储系统HDFS与分布式计算系统Spark组成的分布式集群存储和管理网络浏览行为产生的数据,通过数据上传流程将海量网络浏览数据源存储到分布式存储系统HDFS中,在Spark分布集群内运算数据挖掘任务,利用决策树ID3算法准确挖掘网络浏览行为。实验结果说明,所设计平台各项功能符合预期结果,平台进行数据源管理、用户行为分析的整体响应时间比基于在线学习的网络浏览行为数据分析平台低508. 25ms、836. 5ms,说明所设计平台具有较高的网络浏览行为大数据分析效率。

摘要：在有向传感网络(Directional Sensor Networks,DSN)中,关于覆盖目标的传统研究主要关注于最大化网络寿命,而忽略了目标覆盖的质量问题,尤其是具有异构覆盖要求的不同目标。为此,提出基于覆盖质量感知的最大化网络寿命(Coverage Quality aware-based Network Lifetime Maximization,CQ-NLM)算法。CQ-NLM算法通过以最少的活动节点数最大化不同目标的覆盖质量,进而提高网络寿命。CQ-NLM算法先通过概率感测模型建立目标的覆盖概率,将剩余能量高的节点优先加入活动候选集。然后,建立目标函数,再由混合整数线性规划求解目标函数,进而提高网络寿命。仿真数据表明,与同类算法相比,提出的CQ-NLM算法以少的活动节点数换取了高的网络寿命。

摘要：基于低能量自适应簇层(Low energy adaptive clustering hierarchy)协议,提出面向能量采集WSNs的基于优化工作周期的簇协议,记为DC-LEACH。DC-LEACH协议利用工作周期(duty Cycling,DC)技术对LEACH协议进行改进。首先,给簇头选择设置DC,并保证簇头CH的比例。然后,基于节点的能量采集率和数据包到达率优化数据传输的DC,使得节点能够调整数据传输的工作周期,进而维持能量中和操作(Energy Neutrality Operation,ENO),最终延长网络寿命。最后,分析了最优簇头CH数。仿真结果表明,提出的DC-LEACH协议在吞吐量和网络寿命方面的性能优于EA-LEACH和C-LEACH协议。

摘要：在军事应用场景下,各部队日常积累的海量数据具有部署分散、区域跨度大等特点,通过将跨域的原始数据汇总后再分析的方式面临着计算效率低、带宽压力大的挑战。本文在借鉴Hadoop、Spark等分布式计算框架的基础上,结合网格计算的思想提出了一种适用于军用网格环境的广域分布式数据处理框架,能够将各部队中分布松散的数据、计算资源聚合起来构成一个大规模计算系统,以提供在跨军网广域范围内的大数据分析处理能力。同时,模拟军事应用场景设计了仿真实验,实验结果证实本框架相对于传统计算方式在计算效率上有显著提高。

摘要：针对天基光网节点的高移动性特点和高可靠性需求,提出了一种并行波长Clos网络(Parallel Wavelength Clos-network,PW-Clos)以实现抵抗天基光网的链路故障和提高节点内部的可靠性。PW-Clos包括W个波长Clos网络平面,每个平面独立完成一个波长交换,其中W是天基光网具备链路故障容错能力所需的最少波长数量,可通过求解天基光网的线性规划模型获得。理论分析表明,PW-Clos网络具有与Clos网络相同的路径多样性,但实现复杂度降为O(N^3/2W),其中N为节点的链路数量。