基于机会网络的协作学习社区冷启动及消息高效扩散机制

来源 :陕西师范大学 | 被引量 : 0次 | 上传用户:qmhnfi77206
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
机会网络是一种具有时延性、间断容忍性等特点的移动自组织网络,其通常不具有完整端对端的通信链路。而在基于机会网络的校园协作学习情景下,面向协作学习交互的移动机会网络中的节点之间还形成了以协作小组为单位的基本社区。对此本文的研究工作如下:1.本文研究了机会网络在校园协作学习情景下与普通应用情境下所存在的差异及机会网络在校园协作学习情境下的可行性及应用优势,并据此对该情景下的路由特点做出定义。2.对于学习资源在校园协作学习情景下的高效扩散问题,本文提出了一种以协作小组为通讯单元的路由方式。该路由主要依据校园情景下节点移动规律性较强的特点对小组间的接触特征进行统计并对之后的接触情况进行预测,并结合节点影响力及节点间的弱连接关系有助于信息扩散及的思想,选出最优的待传输节点。经过试验验证,该路由方式可较大程度地提高消息扩散的速度,并避免不必要的消息冗余以及接触机会的浪费。3.由于在社会网络中主流的冷启动方案主要应对的是信息过载及推荐的准确度及效率方面存在的问题,而此类问题与机会网络中由于节点的不充分接触导致信息传输迟滞的问题存在较大的差异,本文对于移动社会网络中冷启动的阶段进行了定义及阶段划分,在此基础上分别对节点冷启动阶段的和节点社区运行阶段的文件传输策略提供了解决方案。4.由于在校园协作学习环境下学习者节点往往存在对自身所需求的学习资源认知不足及对于学习资源的寻找乏力的情况,为了解决上述问题,本文依据活跃度较高的节点往往可以接触到较多的信息而节点对间较高的亲密度意味着节点间更加熟悉及更高的传输成功率的特性,提出了基于节点活跃度及社交亲密度的学习资源推荐机制,经过实验证明该方法对基于属性的兴趣类型具有良好的推荐效果。
其他文献
核磁共振成像(Magnetic Resonance Imaging,MRI)是利用核磁共振现象从人体中获得电磁信号,并重建出人体信息的一项技术,成像原理复杂,所获取的图像信息量较大,在现代医学研究与临床诊断中占据着举足轻重的位置。随着数字成像的广泛应用,导致图像数据激增,显然仅依靠相关医生识别海量图像数据是耗时耗力的,长时间的工作也易引起漏诊误诊。为提升工作效率,计算机辅助诊断(Computer-
随着高通量测序技术的发展,越来越多的环状RNA(circular RNA,circRNA)分子在许多的真核细胞中被发现,于此同时circRNA的各项生物功能也逐渐被人类所悉知。circRNA主要的生物特性主要是作为微小RNA(microRNA,miRNA)的海绵体,参与转录调控以及亲代基因修饰的功能。circRNA的内源性、丰富性、保守性、稳定性的特征使得circRNA可能成为预测疾病的生物学标志
在分组密码的扩散层中构造MDS线性变换可以实现良好的扩散性。扩散性能良好的扩散层可抵抗差分密码分析和线性密码分析。构造MDS线性变换的方法有很多种,其中基于Rotational-XOR的MDS线性变换中仅包含循环移位运算和异或运算,结构简单而且软硬件实现效率高,能够增强密码算法抵抗各种密码分析的能力,适用于对称密码算法设计,SMS4算法和ZUC算法的扩散层就是基于该结构构造的。尽管现在对于扩散层的
随着大数据信息时代的到来,高性能计算逐渐成为计算机科学和其他工程领域进行深入研究的关键工具,并能够为各种精细和复杂的问题提供越来越可靠的计算结果。如今高性能计算机的计算能力进一步提高,同时量子化学作为目前高性能计算应用最活跃的领域之一,量子化学家们也开始研究新的计算算法和计算模型,为进一步提高量子化学程序的并行规模和计算效率不断努力。对于量子化学程序,采用合理的应用程序编程接口(API)可以加快代
以生物信息学为研究背景,考虑到生物数据与生命科学知识的获取速度之间存在差异,且由于实际生物系统中不同组学分子之间存在交叉作用,而研究特定生物功能而按生物数据类型划分形成的各类基因调控、信号转导以及代谢网络,不能够系统的诠释生物动态变化过程,因此本文提出了一种生物分子网络整合的办法。文章基于标准Petri网进行扩展,通过改进相关语义以及库所、变迁上的输入、输出关系,得到适合描述生物分子网络的通用模型
近年来物联网(IoT)得到快速发展,基于物联网技术的智能家居也越来越多的活跃在家居市场上。云平台作为现在流行的智能家居的总控制台提高了信息处理能力和资源利用率,降低了家居设备的复杂度,实现了设备之间的联动。智能家居在给人们生活带来极大便利和舒适的同时,安全和隐私泄露等问题也随之而来。云平台为了完成和优化对用户的服务收集了大量家居设备数据,而这些设备数据又包含着用户隐私信息(比如用户活动、健康状况和
密码货币是一种基于公钥密码学的数字货币,自2008年比特币被提出以来,因其具备去中心化、公开透明、隐私保护等特性而受到广泛的关注。其中,保护用户隐私是密码货币最吸引人的特征之一,若交易过程中泄露了用户的敏感信息,恶意商家可通过售卖用户交易信息的方式而牟取利益。然而,由于密码货币交易中匿名性的滥用,使得洗钱、违禁物交易、勒索等非法行为时有发生,比如臭名昭著的黑色丝绸之路利用比特币和Tor网络进行毒品
搜索已经成为人们获取信息的主要途径。目前流行的搜索引擎提供的均是“提出问题一返回结果”的一次性交互的搜索模式,当用户对于搜索目标不了解,或者搜索目标不够明确时,用户很难从这种搜索模式提供的结果中找到满意的回答。论文针对这一问题,以社交类问答平台为基本的数据资源,对探索式搜索的过程和实现技术进行了深入研究。从探索式搜索迭代交互的思想出发,利用知识图谱对数据资源进行组织,使用基于规则的学习算法,设计并
人们普遍认为图像融合的目的是尽可能多的将原始图像中的轮廓、纹理和灰度分布等信息融合到融合图像中,现有的大多数方法在融合过程中都是通过一定的特征提取操作来平等地处理不同的源图像,然而,对于来自不同传感器的具有互补特性的源图像,如红外和可见光图像,现有的融合方法大多不太适合。红外图像通常比可见光图像具有更低的空间分辨率,可见光图像中的纹理等外观特征往往在相应的红外图像中会有所丢失,因为纹理基本上不会影
在现实生活中,多目标优化问题越来越常见,多目标进化算法是目前最常见和有效地解决多目标优化问题的方法。多目标优化算法的目标是快速得到一组具有良好收敛性和多样性的解集。本文设计了一种基于分解和均匀设计的多目标进化算法来提高算法的效率,并将此算法应用于求解合成气的生产问题。一个好的搜索策略对于获得高质量的解有很大帮助。本文使用了已有的一个多搜索策略(包括三种策略)来平衡局部搜索与全局搜索,同时提高算法的