针对大多数加密流量分类(encrypted traffic classification,ETC)模型由于标签数据稀缺而导致的性能下降问题,提出了一个基于对比学习的半监督加密流量分类(semisupervised encrypted traffic classification based on contrastive lear...针对大多数加密流量分类(encrypted traffic classification,ETC)模型由于标签数据稀缺而导致的性能下降问题,提出了一个基于对比学习的半监督加密流量分类(semisupervised encrypted traffic classification based on contrastive learning,SSETC-CL)模型。通过比较样本之间的相似性和差异性,SSETC-CL模型能够从大量无标注数据中学习到有用的表示,从而获得一个通用且优秀的特征编码网络,降低了下游任务对标签数据的依赖。本文在公有数据集ISCXVPN2016以及两个自采数据集上对SSETC-CL模型进行了评估。与其他基准模型相比,SSETC-CL模型在设定任务上的表现最佳,准确率最大提升了8.92%。实验结果表明,SSETC-CL模型不仅在预训练模型已知的流量上具有较高的精度,而且具备将预训练模型所获得的知识应用于未知流量的迁移能力。展开更多
传统兴趣点(point of interest,POI)推荐方法对用户和POI的关联关系挖掘不充分,无法全面捕捉用户偏好;基于图增强的推荐方法虽能挖掘关联关系,却易引入噪声,降低推荐性能。针对这些问题,本文提出了结合通用轨迹图和多偏好的POI推荐方法...传统兴趣点(point of interest,POI)推荐方法对用户和POI的关联关系挖掘不充分,无法全面捕捉用户偏好;基于图增强的推荐方法虽能挖掘关联关系,却易引入噪声,降低推荐性能。针对这些问题,本文提出了结合通用轨迹图和多偏好的POI推荐方法。首先构建了用户与POI的带权二部图,利用图卷积网络捕捉用户和POI的交互关系,学习用户兴趣偏好;利用兴趣偏好完成用户聚类,进而构建同类型用户通用轨迹图,减少噪声信息影响;利用图卷积网络捕捉同类型用户的群体特征,丰富特征表示。其次,将群体特征与用户当前轨迹中时间类别感知信息、时空上下文信息相结合,利用Transformer挖掘用户的深层行为偏好。再次,构造非线性加性函数并将兴趣偏好和行为偏好动态组合,全面捕捉用户偏好,完成POI推荐。最后,在真实数据集上验证了本文方法的有效性。展开更多
在带限数字通信系统中,平方根奈奎斯特(square-root Nyquist,SR-NYQ)滤波器通常同时应用于系统的发送端和接收端,可以有效减少符号间干扰(inter symbol interference,ISI)。本文提出了一种基于遗传算法(genetic algorithm,GA)的线性相位...在带限数字通信系统中,平方根奈奎斯特(square-root Nyquist,SR-NYQ)滤波器通常同时应用于系统的发送端和接收端,可以有效减少符号间干扰(inter symbol interference,ISI)。本文提出了一种基于遗传算法(genetic algorithm,GA)的线性相位SR-NYQ滤波器设计方法,其中滤波器ISI、通带和阻带波纹被融合构造为适应度函数。得益于GA强大的全局优化能力,该方法设计的原型滤波器在更加接近奈奎斯特条件的同时,提供了优于传统根升余弦滤波器的设计灵活性。此外,本文设计的SR-NYQ滤波器在正交频分复用系统中作为匹配和成型滤波器进行测试,并与传统的根升余弦滤波器进行对比。仿真对比结果表明,本文所设计的SR-NYQ滤波器具有更好的频率响应,可以显著降低符号错误率。展开更多
近年来,社会化推荐成为了推荐领域的研究热点。在基于用户历史行为的推荐算法中引入用户的社交关系,能够缓解推荐系统面临的数据稀疏性和冷启动的问题。本文提出了一种基于相对信任增强的推荐算法(relative trust enhancement recommend...近年来,社会化推荐成为了推荐领域的研究热点。在基于用户历史行为的推荐算法中引入用户的社交关系,能够缓解推荐系统面临的数据稀疏性和冷启动的问题。本文提出了一种基于相对信任增强的推荐算法(relative trust enhancement recommendation algorithm based on the CosRA,RTECosRA)。该算法在“用户-物品”的二部图网络中,基于CosRA相似性指标进行资源分配,在资源分配过程中引入用户的信任关系,调整受信任用户获得的资源值,从而提高受信任用户所选物品的推荐率。在FriendFeed和Epinions数据集上的实验结果显示,相比于基准算法,RTECosRA算法在准确性和多样性上均有提高,且加入信任关系后,扩大了用户的可推荐范围,一定程度上缓解了冷启动问题。展开更多
文摘针对大多数加密流量分类(encrypted traffic classification,ETC)模型由于标签数据稀缺而导致的性能下降问题,提出了一个基于对比学习的半监督加密流量分类(semisupervised encrypted traffic classification based on contrastive learning,SSETC-CL)模型。通过比较样本之间的相似性和差异性,SSETC-CL模型能够从大量无标注数据中学习到有用的表示,从而获得一个通用且优秀的特征编码网络,降低了下游任务对标签数据的依赖。本文在公有数据集ISCXVPN2016以及两个自采数据集上对SSETC-CL模型进行了评估。与其他基准模型相比,SSETC-CL模型在设定任务上的表现最佳,准确率最大提升了8.92%。实验结果表明,SSETC-CL模型不仅在预训练模型已知的流量上具有较高的精度,而且具备将预训练模型所获得的知识应用于未知流量的迁移能力。
文摘传统兴趣点(point of interest,POI)推荐方法对用户和POI的关联关系挖掘不充分,无法全面捕捉用户偏好;基于图增强的推荐方法虽能挖掘关联关系,却易引入噪声,降低推荐性能。针对这些问题,本文提出了结合通用轨迹图和多偏好的POI推荐方法。首先构建了用户与POI的带权二部图,利用图卷积网络捕捉用户和POI的交互关系,学习用户兴趣偏好;利用兴趣偏好完成用户聚类,进而构建同类型用户通用轨迹图,减少噪声信息影响;利用图卷积网络捕捉同类型用户的群体特征,丰富特征表示。其次,将群体特征与用户当前轨迹中时间类别感知信息、时空上下文信息相结合,利用Transformer挖掘用户的深层行为偏好。再次,构造非线性加性函数并将兴趣偏好和行为偏好动态组合,全面捕捉用户偏好,完成POI推荐。最后,在真实数据集上验证了本文方法的有效性。
文摘在带限数字通信系统中,平方根奈奎斯特(square-root Nyquist,SR-NYQ)滤波器通常同时应用于系统的发送端和接收端,可以有效减少符号间干扰(inter symbol interference,ISI)。本文提出了一种基于遗传算法(genetic algorithm,GA)的线性相位SR-NYQ滤波器设计方法,其中滤波器ISI、通带和阻带波纹被融合构造为适应度函数。得益于GA强大的全局优化能力,该方法设计的原型滤波器在更加接近奈奎斯特条件的同时,提供了优于传统根升余弦滤波器的设计灵活性。此外,本文设计的SR-NYQ滤波器在正交频分复用系统中作为匹配和成型滤波器进行测试,并与传统的根升余弦滤波器进行对比。仿真对比结果表明,本文所设计的SR-NYQ滤波器具有更好的频率响应,可以显著降低符号错误率。
文摘近年来,社会化推荐成为了推荐领域的研究热点。在基于用户历史行为的推荐算法中引入用户的社交关系,能够缓解推荐系统面临的数据稀疏性和冷启动的问题。本文提出了一种基于相对信任增强的推荐算法(relative trust enhancement recommendation algorithm based on the CosRA,RTECosRA)。该算法在“用户-物品”的二部图网络中,基于CosRA相似性指标进行资源分配,在资源分配过程中引入用户的信任关系,调整受信任用户获得的资源值,从而提高受信任用户所选物品的推荐率。在FriendFeed和Epinions数据集上的实验结果显示,相比于基准算法,RTECosRA算法在准确性和多样性上均有提高,且加入信任关系后,扩大了用户的可推荐范围,一定程度上缓解了冷启动问题。
