缓存管理是影响可靠多播协议性能的重要因素。在可靠多播领域,现有大多数缓存管理机制的设计目标限于单多播组的网络环境。在缓存资源被多个多播组所共享的Internet环境中采用单组缓存管理方案无法获得预期目标。为了解决该问题,基于主动式网络中路由器能够执行预设计算并缓存数据的特点,提出并实现了一种全新的多播网络缓存管理协议(Adaptive and Active Cache Pool,简称AACP)。AACP提出全局动态分配,Borrow-In和Return3种核心策略,首次提出采用全局加权移动平均计算缓存配额,并设计出分级TTL缓存替换算法。NS2模拟实验的结果数据表明,AACP能为多播网络在恢复延迟,带宽消耗和网络吞吐等方面带来显著的性能提升。这同时也意味着AACP将为对数据完整性和实时性要求极高的多播应用,如金融电子化实时系统和电子白板等,提供高质量的基础支撑。
已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性、鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of California,Irvine)机器学习库中选取部分数据来做实验.实验结果表明,SCE模型本身及其变分推理后所设计的EM算法都能进行半监督聚类集成,总的来说,效果比NMFS(algorithm of nonnegative-matrix-factorization based semi-supervised)、半监督SVM(support vector machine)、LVCE(latentvariable model for cluster ensemble)等算法要好.该半监督聚类集成模型聚集了半监督学习和聚类集成两者的优点,最后的聚类结果比单纯的半监督聚类或聚类集成的效果都要好.
