-
公开(公告)号：CN101782976B
公开(公告)日：2013-04-10
申请号：CN201010017918.9
申请日：2010-01-15
Applicant: 南京邮电大学
IPC: G06N99/00
Abstract: 本发明是一种基于云计算环境的机器学习自主选择方法。通过使用云计算平台，用户无需搭建机器学习的运行环境，也无需选择机器学习算法，更不用调整纷繁复杂的机器学习函数及其附带的参数，只需使用Web方式上传样本数据，就能自动智能的建立符合实际问题的机器学习数学模型。本发明使机器学习的使用摆脱了环境的束缚，发挥了云计算平台的优势，使得机器学习建模针对用户透明，最大程度的降低了机器学习的使用门槛。解决了在实际应用机器学习时，建模选择的难以预测性、参数调整的人工经验性、普通用户困难等缺点。
-
公开(公告)号：CN101800768B
公开(公告)日：2012-11-28
申请号：CN201010018220.9
申请日：2010-01-19
Applicant: 南京邮电大学
Abstract: 一种基于存储联盟子集划分的网格数据副本生成方法，是一种根据网格用户数据访问的行为特征，来网格中数据副本创建及其在网格节点上的分布的方法。该方法的基本思想是将数据网格节点划分为彼此之间网络传输速率较好的若干子集合，利用在各子集合中网络延迟小的特点，减少副本创建数目，从而减小网格系统存储开销；同时运用缓存策略，能够在各个网格节点子集合中比较快速的生成副本；最后运用最佳客户策略，在网格节点子集合中调整数据副本的位置，形成良好的数据副本的布局。
-
Patent Agency Ranking
公开(公告)号：CN101714938B
公开(公告)日：2012-01-04
申请号：CN200910184927.4
申请日：2009-10-21
Applicant: 南京邮电大学
Abstract: 本发明是一种对等网络中搭便车行为的抑制方法，该方法将网络层逻辑上分为两个层次，一个是策略层，一个是普通层。通过策略层的状态对等体，资源管理对等体，和等级对等体来决策普通层的对等体。来解决P2P网络中搭便车的问题，与过去单一的抑制机制不同，本机制是将客观的处罚机制和大众心理学联合而成的方法，通过使用本发明提出的机制可以很大程度的减少搭便车行为，同时这种机制不会促使节点退出网络，保持了网络的健壮性。
-
公开(公告)号：CN101782976A
公开(公告)日：2010-07-21
申请号：CN201010017918.9
申请日：2010-01-15
Applicant: 南京邮电大学
IPC: G06N99/00
Abstract: 本发明是一种基于云计算环境的机器学习自主选择方法。通过使用云计算平台，用户无需搭建机器学习的运行环境，也无需选择机器学习算法，更不用调整纷繁复杂的机器学习函数及其附带的参数，只需使用Web方式上传样本数据，就能自动智能的建立符合实际问题的机器学习数学模型。本发明使机器学习的使用摆脱了环境的束缚，发挥了云计算平台的优势，使得机器学习建模针对用户透明，最大程度的降低了机器学习的使用门槛。解决了在实际应用机器学习时，建模选择的难以预测性、参数调整的人工经验性、普通用户困难等缺点。
-
公开(公告)号：CN101771698A
公开(公告)日：2010-07-07
申请号：CN201010017914.0
申请日：2010-01-15
Applicant: 南京邮电大学
Abstract: 基于可扩展标记语言安全策略的网格访问控制方法是为了解决网格计算访问控制过程中所涉及到的动态性和跨越不同安全域的问题。对角色进行安全域的限定，定义了不同安全域之间的角色继承关系，通过授权代理服务将本域的角色和其他域角色相关联建立域间的角色继承关系，对可能遇到的角色继承关系冲突给出了相应的解决方法。本发明是标准RBAC模型基础上进行扩展，通过引入主体事件和客体事件两种上下文机制给出了基于上下文的角色访问控制模型，该模型能够根据上下文信息实现动态的授权过程，形式化描述了由主体事件引起的角色状态改变和客体事件引起的权限状态改变的具体实现过程，同时对状态转换过程中的一致性分析表明该模型在状态转换过程中保持一致性。
-
公开(公告)号：CN101714983A
公开(公告)日：2010-05-26
申请号：CN200910184929.3
申请日：2009-10-21
Applicant: 南京邮电大学
Abstract: 本发明是一种对等网络中的信任节点的计算及选择方法，是一种在开放网络环境中，用于解决P2P网络中的节点信任问题的策略性方法，通过抛物线法计算出节点的信任值，并通过本发明的信任选择策略选择出系统中的信任值最高的节点，本发明的方法是一种策略性方法，通过系统对节点的评价以及节点间的相互评价，更好的解决节点间信任度的评价，以及节点的选择问题，其中引入竞争机制，能够充分发挥各个节点对其他节点的评价功能。本方法提供了一种更加安全合理的信任节点的管理策略。
-
公开(公告)号：CN101626388A
公开(公告)日：2010-01-13
申请号：CN200910183856.6
申请日：2009-07-24
Applicant: 南京邮电大学
Abstract: 基于推荐节点可信度计算的激励机制构造方法是一种策略性方法，通过对环境中推荐节点可信度的更新并结合资源节点信任值的计算而提出，其目标是通过更新推荐节点的可信度激励网络中的资源节点对其他节点进行评价，同时可以有效的防止网络中信任模型中节点之间共同作弊问题。本计算方法中首先引入了资源节点信任值贴近度变量，计算出资源节点信任值接近的程度；然后引入资源节点信任值时间衰减加权平均变量，是以时间衰减作为加权因子，对资源节点历史信任值进行加权平均；最后结合资源节点信任值贴近度变量和时间衰减加权平均变量，计算出资源节点的综合信任值。此方法避免了以往算法的过于简单而且计算结果可信度更高。
-
-
-
-
-
-
Search Results
27
records
(took 0.025 seconds)
