复杂网络集群中的行为取证研究

来源 :计算机科学 | 被引量 : 0次 | 上传用户:leon2000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
采集2015年十大网络集群事件热点之一的PM事件作为数据样本,通过对整个事件中起到关键传播作用的30个媒体集群及其相互关系进行研究,首先分析了在此类网络集群事件中具有关联性质的网络集群间的行为特征,以及集群行为传播的规律;再从关联集群构造的集群传播网络中,发掘和定位集群行为中的关键节点和关键路径,对二者的相关性质进行了深入探讨,并利用复杂网络方法分析和证实网络集群中存在的相关性质特征。利用综合学科优势,针对实际工作需要,深入研究了网络集群行为在不同集群间传播的关键,准确定位了网络集群中需要重点观测的对象及
其他文献
已有的粒子群模糊聚类算法需要设置粒子群参数并且收敛速度较慢,对此提出一种基于改进粒子群与模糊c-means的模糊聚类算法。首先,使用模糊c-means算法生成一组起始解,提高粒
关于Word文档副本创建存在内容复制和文件复制两种方法,通过对OOXML文件和各类时间属性的研究和分析,有效地实现了对Word文档副本的取证,从而鉴定源文件或复制文件。
逆P-集合是具有动态特性的集合模型,逆P-集合的动态特性来自集合内元素(属性)的动态迁移:元素迁入使得集合的边界向外扩展,元素迁出使得集合的边界向内收缩,从而产生扰动的边界
传统的深度置信网络(DBNs)训练过程采用重构误差作为RBM网络的评价指标,它能在一定程度上反映网络对训练样本的似然度,但它并不是可靠的。而最大信息系数(MIC)能反映两个属性间的相关度,保留相关度较大的属性,且MIC较稳健,不易受异常值的影响,可作为网络评价指标。故提出一种基于最大信息系数(MIC)的深度置信网络方法,一方面用MIC对数据进行降维预处理,提高数据与网络的拟合度,降低网络分类误差;
非平衡数据中样本数量的不平衡分布往往伴随着特征分布的不平衡,在多数类文本中经常出现的特征,在少数类中却很少出现。针对非平衡数据特征分布的特点,提出了一种新的双边fis
针对现有多目标算法存在的收敛性不强、分散性不高等问题,提出了一种基于直觉模糊熵的粒子群多目标优化算法(IFEMOPSO)。首先,计算出种群的直觉模糊熵(IFE),作为衡量种群在多目标空间下多样性的测度;其次,设计基于IFE的惯性权重动态变化、外部档案调用以及变异操作等3种增强算法探索力度的策略,建立了直觉模糊多目标规划模型,有效地提高了群体进化过程中的多样性,防止了算法陷入局部收敛;最后,仿真结果