共查询到20条相似文献，搜索用时 15 毫秒
1.
引入多主体协商频率分析的云信任数据推荐算法 总被引：1，自引：0，他引：1
《科技通报》2015,(8)
通过对电子商务网络交易中的云信任度数据的准确推荐算法设计,提高对商家的定量评估性能。传统的云信任数据推荐模型采用单自由度协商模型,主观性较大,推荐效果不好。在云计算环境下,提出一种基于多主体协商频率分析的云信任数据推荐算法。利用了正向和逆向云发生器进行定性与定量概念的相互转换。构建多主体协商频率分析模型,采用信任属性云逆向生成器生成信任属性云,对属性云进行综合评定得到综合属性云,同时运用相似度计算原理给出信任度评定等级。采用方差作为标准测度函数,计算信任云权重,实现商家云信任数据推荐算法改进。仿真结果表明,采用该算法进行多主体协商,得到的电子商务商家的云信任数据推荐的收敛性较好,对商家的信任评价准确,有效降低复杂虚拟的网络交易所带来的交易风险,更加完善了信任度评估机制。 相似文献
2.
BP神经网络加权权重成固化状态,导致信息信任度评价误差较大。提出基于BP神经网络的变权重自适应网络拓扑结构的C2C网络信息信任度评价和鲁棒性分析模型,以营运商可信度、网站信任度和外部环境为一级指标体系构建网络信息评价体系。以12维可信性因素作为输入向量,系统结构以网络信息信任度作为输出,通过调整网络拓扑权重向量设置信任度周期响应加权变量自适应函数,有效降低迭代算法的运算成本。仿真实验表明,采用新的网络信息鲁棒性评价模型能使C2C网站信息评价误差率大幅减低,系统具有较好的健壮稳定性和鲁棒性,能有效促进C2C网络健全运行和发展。 相似文献
3.
网络用户信任感知推荐的准确性设计是提高用户间的社交网络辅助信息信任度的重要依据。传统的网络用户信任感知推荐算法采用的是基于社交网络服务和用户评分的推荐系统,主观性较大,协同过滤效果不好。提出一种基于网络动态干扰监控的信任感知推荐算法设计新方法,设计自适应神经模糊系统网络动态干扰监测算法,构建基于向量空间模型的信任度评价指标体系结构,通过调整网络拓扑权重向量设置信任度周期响应加权变量自适应函数,有效降低迭代算法的运算成本,避免了自适应神经模糊系统网络动态干扰监测加权权重成固化状态,提高抗干扰性能。实验结果表明,算法能使社交网络感知推荐模型的预测误差减少,推荐可靠性优于传统方法。 相似文献
4.
由于网络用户数据呈现渐进性非线性特征分离,导致对网络用户的信任度评价控制不准,无法有效实现对用户的准确推荐。提出一种基于Lyapunov协同权重控制的电子商务用户信任度评价渐进控制模型,将未知扰动和语义建模误差转化为满足给定信任评价的约束矩阵,完成用户信任网络控制器设计,采用Lyapunov指数系统感知策略,对用户信任权重值进行自适应调整,构建用户推荐模型构建与网络信任度控制模型,设计用户信任权重值协同感知算法,基于Lyapunov协同权重的电子商务用户信任度评价渐进控制模型改进设计。实验结果表明,该算法实现电子商务用户信任度渐进控制,控制精度较高,地域的分布特性也更加均衡,真实反映电子商务用户信任度评价的动态性、自适应性和稳健性特征,展示了较好的应用性能。 相似文献
5.
本文提出了一种新的P2P网络信任模型——层次化分布域信任模型HDRTM。该模型基于历史交互信息和信誉推荐,采用量化方法和合成规则方法得到的信任度对P2P网络中的节点信任进行评估,同时引入了惩罚调节因子、合成规则权重因子等加强了信任度的可靠性与真实性。对HDRTM的仿真证明能够有效抵制恶意节点,具有较好的安全性与信任性。 相似文献
6.
《科技通报》2015,(9)
社交网络是一种无现实限制的全天候信息交互网络,社交网络的固定信息推荐是保证网络安全,评估网络用户信任度和实现隐私保护的基础。社交网络的固定信息具有多主体性和随机性特点,难以实现有效的信息推荐。传统的社交网络固定信息推荐算法采用主体协商的云信任数据推荐,对社交网络的非常态固定信息推荐的主观性较大,性能不好。提出一种基于模糊判定的社交网络中固定信息推荐算法。构建社交网络固定信息特征提取模型,采用网格划分技术对路由结点所在的平面区域进行特征划分,对固定信息进行模糊跟踪判定,得到社交网络中固定信息自适应跟踪概率分布,实现固定信息推荐算法改进。仿真实验表明,该算法能有效提高社交网络中固定信息推荐准确投递率。对节点缓存依赖性较弱,网络开销比较稳定,性能优越。 相似文献
7.
由于网络用户数据呈现稀疏状导致对用户信任值评价控制不准确,难以实现有效推荐。传统方法中使用语义Web结合协同过滤方法进行用户信任网络控制,在协同过滤中由于冷启动和不确定时延导致相似用户发现较为困难。提出一种基于Lyapunov稳定性理论的用户信任度评价渐进控制算法,完成用户信任网络控制器设计,并进行用户推荐模型构建,实现对用户信任度的准确评价。仿真实验表明,使用该算法和模型进行网络交易用户信任评价,能解决评价系统中存在的不确定误差、干扰和时滞等问题,用户推荐模型鲁棒性好。 相似文献
8.
9.
《科技通报》2015,(10)
通过对电子商务的物流信任度渐进控制模型设计,进行网络实体对象的信任度评级,提高对商家的定量评估性能。传统的电子物流信任度控制模型采用自相关函数分析的模型设计方法,由于自相关特征分析的主观性较大,评价效果不好。提出一种基于互相关准则的电子物流信任度渐进控制模型。首先构建电子物流的资源数据库结构模型,构建用户信任评估机制与网络控制模型。采用DOI(Degree of Interest)互相关准则描述用户对资源的信任度评价,基于互相关准则,两个用户共同作出对彼此信任值模型的归一化评价。仿真实验表明,采用该模型,对电子物流信任度具有较好的渐进控制性能,信任度评价准确,估计精度较高,实现了基于互相关准则的电子物流信任度渐进控制,提高对电子物流商家的监管能力。 相似文献
10.
针对传统AHP层次分析法在光纤通信安全性评价方面存在主观性,导致评价结果不准确的问题,在研究AHP层次评价的基础上,提出一种基于云模型的电力通信网络安全评估模型。首先对云模型综合指标评估算法的原理和步骤进行了研究,从而解决数据定性与定量互转中存在的模糊性和不确定性;针对传统指标体系构建中不同专家存在的知识冲突问题,引入D_S理论,从而得到相对权重,进而提高权重计算的客观性。最后,利用MATLAB软件对上述综合模型进行编程,并通过对比验证了上述模型在电力信息通信网络安全评价的优势。 相似文献
11.
《科技通报》2015,(8)
在移动学习过程中,需要对云资源信息流节点准确定位,提高网络学习效率,增强学习网络转换信道均衡能力。传统方法中采用基于向量随机学习的网络信道切换队列整合方法,实现对信任节点的定位,但当出现信任时隙局部性交叉项时,定位性能不好。提出一种改进的面向移动学习的云资源信息流无源定位技术。采用M-learning随机场学习模型,通过局部性交叉项补偿进行信息链单流量解析模型设计,在大数据环境下,对信任节点的数据种类进行无源定位分类,然后通过云资源信息流节点任务调度方法,提高网络的信任度,由此提高对云资源信息流的无源定位能力。仿真结果表明,该算法能有效提高对M-learning环境下的云资源信息流的定位精度,提高学习效率和资源分配能力。在学习资源共享调度等领域具有较好的应用价值。 相似文献
12.
13.
通过为PKI系统建立信任模型,可以更好地了解这一复杂信任体系中各实体间信任关系建立的过程.在现有模型的基础上,引入更加符合真实应用环境的谓词逻辑和信任参数,扩展了原有模型信任推导方法,并给出了新方法下的认证规则和信任规则.同时结合信任度概率模型,分析了各代表性PKI架构信任传递的过程,以及系统架构对实体间信任度的影响.分析的结果对于构建真实应用环境下的PKI系统有一定指导意义. 相似文献
14.
15.
在分析校企合作创新网络系统构成要素的基础上,从直接和间接信任度构建校企信任模式结构,建立了能够刻画校企合作创新网络信任与知识转移的演化关系的因果关系图与系统动力学模型。并用系统动力学建模软件Vensim实现了该模型,对模型有效性及灵敏性进行了验证,仿真结果表明:高校对企业的信任受多重因素的影响,呈波动上升趋势;信任度与知识转移量正相关,提高信任度可以显著增加知识转移量。 相似文献
16.
为了提高复杂网络中数据包的传输效率与网络吞吐量,提出了基于层次分析法的路由策略。该策略引入层次分析法建模,在综合考虑网络中节点处理能力、空闲队列长度、聚类性、度等网络拓扑和动态负载参数的基础上,利用若干权重因子的组合来选取下一跳转发节点。理论分析和仿真实验表明,该策略是一种基于局部信息的路由策略;路由时权重因子的组合综合地反映了网络的拓扑结构属性和动态负载等当前状态;比最短路径算法更能有效避免拥塞,并能进一步增强复杂网络的网络容量。 相似文献
17.
Linux虚拟服务器(LVS)是一个虚拟的服务器集群系统。在大功率干扰下,LVS集群的抗扰动性能不好,无法有效实现IP负载均衡和任务调度。提出一种基于功率自激的大功率干扰下LVS负载均衡集群抗扰动算法。采用自适应神经模糊系统网络动态干扰监测模型构建网络信息鲁棒性评价模型及Linux嵌入式用户信任感知网络信息信任度评价,计算MAC层两个模糊概念之间的相似度。得到大功率干扰监测数学模型,假设干扰信号表现为一种动态随机噪声信号,实现对大功率干扰下的LVS网络的扰动容错方案设计,对簇节点的接收信号强度(RSSI)信息没有合理开发应用,在簇头生成过程中形成的帧没能实现自适应均衡处理,分析节点之间发射和接收信号的耦合效应,需要实现算法上的改进。仿真结果表明,该算法有效实现IP负载均衡和任务调度,延迟了网络生命周期,提高Linux虚拟服务器的抗扰动性能。 相似文献
18.
《科技通报》2015,(10)
在云计算模型下进行软件可靠度衡量可以提高软件的扩展能力,增强软件的可靠性,延长软件寿命。传统的软件可靠度衡量算法采用重复博弈调度算法,不能有效实现软件可靠性的非线性动态权衡。提出一种基于云模型三元组特征分析的软件可靠度非线性动态衡量算法。构建软件衡量顺序、衡量时间和衡量目标矩阵,每一行元素都是一个软件的可靠性衡量逆向云发生器数据,根据变异概率,计算云模型下软件可靠度衡量过程中的变异点,得到软件可靠性动态衡量的输出,采用模糊数学和概率统计理论,描述云模型的定量特性,得到期望、熵、超熵三个动态属性,称为软件可靠度云的数字特征。通过计算大量的样本进行抽样统计,判断可靠度空间格点是否有链节点,在云模型下,得到可靠性合并云综合度量云输出。仿真结果表明,该模型实现软件可靠度非线性动态衡量,生成的云模型能更进一步反映度量的真实性,解决了可信软件可靠性定性评估的问题。 相似文献
19.
C2C交易中的动态信用评价模型 总被引：3，自引：0，他引：3
近年来C2C交易平台上的商家有专业化的趋势,因此传统的基于个人交易的信用评价体系无法全面真实地反映一个网上店铺的信用。淘宝网借鉴B2C的信用评价方法,推出了店铺动态评分,但并未受到用户的欢迎。通过分析目前以淘宝为代表的信用评价体系存在的问题,提出一个动态信用评价模型,充分考虑C2C交易环节中的信任要素及其权重,并引入信用值随时间推移的动态变化。该动态评价模型对于构建一个信任的网络交易环境有积极的意义。 相似文献
20.
[目的/意义]随着MOOCs迅猛发展和普及,如何利用智能推荐技术为学习者从海量的MOOC中"寻找最佳课程"成为MOOC发展中需要解决的重要课题。[方法/过程]基于自我知觉理论和学习行为投入框架,充分利用学习行为日志和评分数据挖掘学习者之间的隐式信任关系,并通过信任传播建立MOOC社区信任网络,从而构建动态结合兴趣和隐式信任感知的混合推荐方法。为解决数据稀疏问题,提出基于信任的联合概率矩阵分解模型(TA-PMF),将课程评分矩阵、信任关系矩阵的分解相结合来挖掘用户及课程潜在特征,进而实现评分预测。[结果/结论]真实数据集测试结果表明,与显性评分值相比,学习行为投入信息对信任度构建贡献权重达到0.7;TA-PMF方法对MOOC推荐具有较好的适用性,且能在一定程度上缓解冷启动问题。 相似文献