离群点检测是数据挖掘领域的一个重要分支,当前数据流的离群点检测研究越来越受到关注.为了快速准确地检测出数据流中离群点,提出一种在线数据流离群点检测算法ODDS(outlier detection in online data streams).它利用数据与频繁模式的相异程度来度量数据的离群程度,通过构建ODDS-Tree树,能动态地更新数据流中候选离群点的离群信息.实验结果验证了该算法与其他同类算法相比具有较高的效率与优良的可扩展性能.
目前,国内外对利用数据挖掘实现智能化制定病毒式营销策略的研究亟待深入.为了挖掘客户网络中的核心群体,定义了一种基于信任关系的客户信任网络CTN(Customer Trust Network),在此基础上创建了产品信息扩散模型CTNBDPI(CTN Based Diffusion of Product Information),提出了核心群体挖掘算法VMCGM(Viral Marketing Core Group Mining)与连续病毒式营销策略的制定方法.CTNBDPI模型引入客户特征与环境因素解决了孤立点的接受与推荐问题,实验证明可以更好地反映病毒式营销中产品信息扩散的规律,与已有研究相比,VMCGM算法具有较低的时间复杂度和较高的准确性.
在分析IMS(IP Multimedia Subsystem)的注册过程后,提出一种改进的位置更新注册机制.该机制采用分层位置管理的思想,让P-CSCF(Proxy-Call Session Control Function)记录UE(User Equipment)的IP地址,S-CSCF(Service-Call Session Control Function)记录为该UE服务的P-CSCF的地址,不再记录UE的IP地址,使得UE在发生位置更新时,尽可能少产生注册信令,让信令尽量限制在拜访网络.优化机制同时考虑UE与P-CSCF之间的安全问题,利用已有的安全数据让新P-CSCF对UE进行认证和建立安全联盟.分析结果显示,本文提出的改进的位置更新注册机制要优于已有的一些算法.
声明网络是一种应用演绎数据库技术描述并解决网络问题的方法.节点将网络封装为数据库的一部分,通过对数据库的操作解决网络问题.最小生成树问题是无线Ad Hoc网络上NP完全问题,声明网络为无线Ad Hoc 网络的最小生成树问题提供了一种新的解决方案.声明最小生成树协议可以分布式地构建无线Ad Hoc网络的最小生成树,在仿真平台的实验结果表明,声明最小生成树协议达到了收敛速度快的要求.
提出一个分布的、与节点位置无关的无线传感器网络覆盖控制算法( a Location Independent Coverage Control Algorithm for Wireless Sensor Networks,LICA).LICA采用基于节点分层成簇的思想,节点与邻居交换信息,并通过节点距离与覆盖模型找出覆盖节点.在保证覆盖性能的前提下,关闭覆盖节点的通信设备.仿真实验结果表明,LICA算法不仅可以提供高质量的覆盖性能,而且具有良好的节能性能.特别适合低成本、资源缺乏、工作在恶劣环境中的分布式无线传感器网络.