导读:本文包含了邻居选择算法论文开题报告文献综述及选题提纲参考文献，主要关键词:机会网络,路由算法,相遇概率,超时处理机制
邻居选择算法论文文献综述
徐晓琪[1]（2018）在《机会网络中基于邻居节点选择的路由算法研究》一文中研究指出随着科技的飞速发展,移动智能终端渐渐开始取代PC端;随着移动智能终端的大量普及,机会网络逐渐出现在人们的视野中,并以其众多的优点,慢慢的成为了近年来网络通信领域的研究热点。然而机会网络的通信方式依赖于其内部节点,因此其拓扑结构会随节点的移动呈现动态联通,目前由于仍缺乏理论的分析工具,因此这类网络的性能在迄今为止的研究中很难得到客观的评价。数据的传输又对网络的动态连通性的把握和理解具有极大的依赖性,因此新型的适用于机会网络的路由协议成为了近年来的研究热点。机会网络中,通常都是由移动设备担任节点的角色,因此节点的移动特征在某种程度上反映了人的社会属性和移动规律,因此,在机会网络中,很多应用场合会有消息投递率、端到端时延受限等等的约束条件。PRoPHET路由协议是机会网络中经典的路由协议,但是它也只着力于提升算法的性能,而没有考虑到在一些特殊的机会网络使用环境中存在着不同的约束条件,因此本文以PRoPHET路由算法为基础,在以具有约束条件的机会网络为应用场景,进行了如下改进:1.文章提出了一种端到端时延受限的机会网络应用场景,并在此场景的约束条件下提出了基于相遇概率的邻居节点选择策略,并以此思想为中心提出了基于相遇概率的路由算法Opportunistic Routing Protocol Based Encounter Probability(简称BP_PRoPHET)。在假设节点的移动情况满足泊松分布的前提下,引入了相遇概率的概念,规定节点在单位时间内单位时间内与其相遇的邻居结点的个数即为相遇概率。每个节点都维护一个相遇概率链表,链表每隔固定时间就更新一次,携带消息副本的节点选择相遇概率较优的节点作为下一跳节点。对于BP_PRoPHET路由算法,考虑到当邻居节点的相遇概率都小于携带消息节点自身的相遇概率时,存在消息永远无法投递的情况,因此文章提出超时处理策略,规定当消息在规定时间Tcast内没有传出时的处理方法,并在实验中测定了Tcast的大小。最后通过一系列的仿真实验结果可以看出,在存在时延受限、节点比较稀疏等实验条件约束的情况下BP_PRoPHET路由算法在消息投递率和开销等方面的性能整体优于传统的路由算法。2.文章提出了一种消息价值模型并与PRoPHET路由算法相结合提出了一种基于消息价值的路由算法Opportunistic Routing Protocol Based Message Value(简称BV_PRoPHET)。考虑到PRoPHET路由算法只计算出邻居节点的连接预测率,而忽略了消息本身,容易造成有效的信息无法进行优先投递,从而造成资源浪费,此算法根据PRoPHET路由算法确定了邻居节点的连接预测率后,将其与消息副本的大小和剩余生存时间进行加权处理,相加后得到的值作为消息价值,以此为依据选择需要向下一跳节点投递的消息类型,然后完成消息的转发。最后,文章通过一系列的仿真实验,对算法的性能进行了评估。仿真实验证明,在存在开销受限、节点比较稀疏等实验条件约束的情况下BV_PRoPHET路由算法在消息投递率和开销等方面的性能整体优于PRoPHET路由算法。(本文来源于《河南大学》期刊2018-06-01）
段浪军[2]（2016）在《基于自然邻居和最小生成树的原型选择算法研究》一文中研究指出在数据挖掘和机器学习中,K最近邻居因其简单有效而得到了长足的发展和广泛的应用。然而,传统的K最近邻居有两个主要的局限性:参数K的选择以及在大规模数据集情况下过高的时间和空间复杂度需求。当KNN算法应用时,参数K取不同的值可能对算法的效果产生很大的影响。同时用于KNN分类的训练集中通常都包含有很多的噪声杂质和冗余的无用信息,在使用这些数据集进行KNN分类任务时,不仅会使得计算处理量巨大,而且还可能会影响算法的分类准确性。因此在处理模式识别、分类学习等相关问题时,对原始训练集进行有效地预处理是非常有必要的。数据集预处理的一个重要手段就是数据约简,而原型选择就是一个常用的数据约简方法。原型选择是对原始数据集进行选择性的约简,在保证最终保留的原型集能够不降低甚至提升分类准确率的前提下,获取具有较高分类贡献的,同时能够反映原始数据集的分布状况,具有一定代表性的原型子集。通过原型选择算法对数据集进行约简,不仅可以有效降低数据集的规模,提高分类算法的计算处理效率;还可以对数据集的分类准确率有所提升。虽然KNN算法应用中的时间复杂度和空间复杂度高的问题已经被研究多年,但是在实际应用中依然没有得到很好的解决,多数原型选择算法获得较低的分类准确率和较高的原型保留率。为了既能有效降低数据集的规模,同时又能保证最终保留的原型集的分类准确率不降低甚至有所提升;通过对现有原型选择算法的研究与分析,本文提出了一个新的原型选择算法,即基于自然邻居和最小生成树的原型选择算法。主要研究内容如下:(1)归纳和阐述了k最近邻居分类和原型选择相关概念和问题,给出了原型选择算法的不同分类方式,阐述了k最近邻分类和原型选择问题的关系。最后对一些经典的原型选择算法以及近年来新提出的原型选择算法进行了较为详细的介绍。(2)针对KNN应用中的参数k值选择难问题,引入了自然邻居的概念,并研究了在均匀分布和高斯分布等不同数据结构和不同数据规模下的自然邻居特性。具体研究了数据集平均自然邻居数目的稳定性和变化趋势,并研究构造了几种有用的自适应自然邻域图。通过实验发现均匀分布数据集的平均自然邻居数目相对高斯分布更为稳定,高斯分布数据集的值容易受离群点的影响。因此针对自然邻居的搜索算法进行改进,引入到原型选择中,有效去除离群点的影响。(3)针对现有原型选择算法存在原型选择约简率不够高和分类准确率有所下降的问题,提出了基于自然邻居和最小生成树的原型选择算法(Prototype Selection based on Natural Neighbor and MST,PS2NM),算法保留了一些对分类贡献较大的关键原型点,同时移除大多数对分类没有什么贡献的点。不同于其它原型选择算法,我们提出的算法使用了自然邻居这个新的邻居概念来做数据预处理,然后基于设定的控制策略建立最小生成树。基于最小生成树,我们保留大多数有用的边界原型,同时生成少量具有代表性的内部原型保留下来。本文提出的算法使用自然邻居做数据预处理,取代基于KNN的预处理操作,有效去除了参数选择问题。通过人工数据集实验展示了PS2NM算法能够有效去除噪声数据和冗余原型,保留的原型集具有跟原始训练集相同的分布情况;通过UCI基准数据集实验,将PS2NM同传统的原型选择算法(CNN、ENN)和最近的原型选择算法(TRKNN、PSC、BNNT)进行比较,结果显示本文提出的算法有效的约简了原型的数量,算法最终选择的原型集用于分类时,保持了与传统KNN相同水平的分类准确率。而且,在分类准确率和原型保留率上,本文提出的算法与其它原型选择算法相比还有一些优势。(本文来源于《重庆大学》期刊2016-04-01）
吴嘉,陈志刚,陈雪寒,刘辉[3]（2014）在《基于机会网络中邻居结点计算选择的最优化带权路径路由算法研究》一文中研究指出在机会网络中,结点选择合适的邻居进行信息传递是决定机会网络算法的关键因素.传统的机会网络算法对于邻居结点的选择存在过渡洪泛和过渡计算,影响了算法的效率.通过对机会网络中结点和其邻居结点的相遇性和携带信息重复性的问题进行研究,设定了结点相遇权值和信息重复性权值.通过计算的方式比较权值大小选择最合适的邻居结点作为下一跳传递信息.通过这样的方式,建立了一种基于权值计算的最优化邻居结点带权路径路由算法(Optimization Neighbors Nodes Weight Path Routing Algorithm)(ONNWP).通过仿真实验,将该算法与机会网络经典算法进行对比,ONNWP在传输成功率、传输延迟和路由开销方面取得了较为明显的优化.(本文来源于《小型微型计算机系统》期刊2014年10期）
黄学哲,邓庆绪,李传文,金顺希[4]（2013）在《采用邻居节点的改进ZigBee路由选择算法》一文中研究指出在无线传感网络中,路由选择是高效使用网络、延长全网络寿命的关键之一.为了提高网络效率和节省网络整体能耗,提出了一种路由选择优化算法,该算法利用没连接到的邻居节点进行数据路由选择,以减少从源节点到目的节点的跳数,进而达到提高网络效率和节省能耗的目的.通过仿真实验对比分析了改进前后的实际效果,实验结果表明改进后的路由选择优化算法减少了ZigBee节点间路由的跳数和延迟,提高了路由效率,节省网络整体能耗.(本文来源于《东北大学学报(自然科学版)》期刊2013年12期）
丛鑫,双锴,苏森,杨放春,孙鑫[5]（2013）在《云辅助P2P-VoD系统中一种邻居选择算法》一文中研究指出提出了一种邻居选择算法,包括节点选择和块选择2个子算法。前者保证请求节点能够以较低的被拒绝概率发现提供视频数据的邻居节点;后者为节点以何种方式下载数据块提供依据,保证系统中视频数据块的高可用性。实验结果表明,提出的算法能进一步降低服务器带宽开销和节点请求拒绝率,并提升节点的下载速率。(本文来源于《通信学报》期刊2013年05期）
冯侦探,倪宏,王劲林,尤佳莉[6]（2012）在《P2P流媒体直播系统自适应邻居节点选择算法》一文中研究指出针对P2P网络中节点的异构性,提出了一种基于节点动态服务能力的自适应邻居节点选择算法.首先,为分析节点的动态服务能力特性,对流媒体直播系统进行建模,并根据该模型将系统节点按照服务能力分为不同的级别.再采取随机行走的方式选择邻居节点,随机行走过程结束时的节点被加入备选邻居列表.为保证备选邻居节点拥有较强能力,根据节点服务能力动态调整随机行走的期望静止概率分布,采用Metropolis-Hastings算法计算转移矩阵以满足期望静止概率分布.详细描述了节点加入、退出过程以及邻居节点更新策略,以确保节点负载的均衡及系统稳定性.实验结果表明,该算法能显着提高系统性能,降低系统延时,同时对动态网络环境有良好的鲁棒性.(本文来源于《西安电子科技大学学报》期刊2012年03期）
陈瑞昭,刘永广[7]（2010）在《基于能力因子的P2P邻居节点随机可变选择算法》一文中研究指出在分析固定随机选择邻居节点算法的基础上,提出了一种适用于混合式P2P直播系统的邻居节点随机可变选择算法,新算法通过能力因子来衡量节点的良好度,对不同类的节点有不同的邻居数量的最大值,使得良好度高的节点能发挥更大的作用,仿真表明算法能降低数据传输的延迟,提高网络系统的性能。(本文来源于《计算机应用》期刊2010年02期）
方阳,郑烇,李俊,戴威[8]（2009）在《基于内容分组与能力匹配的邻居选择算法》一文中研究指出邻居选择算法是影响P2P文件共享系统的整体吞吐量和带宽利用率的关键技术之一。目前BT类P2P文件共享系统中的一些常用邻居选择算法一般存在着邻居节点间的内容可交换性差和带宽利用率低等问题。提出一种新的邻居选择算法,将节点按内容分组,由节点上报的上传、下载的字节数计算出带宽能力,让能力匹配的节点成为邻居。计算机仿真实验表明,新算法显着地提高文件共享系统的整体吞吐量,减少用户的平均下载时间,从而有效地改善P2P文件共享系统的整体性能。(本文来源于《计算机仿真》期刊2009年04期）
林天建,余春艳[9]（2007）在《粒子群位置转移和最近邻居选择的多线程蚁群算法》一文中研究指出本文提出了一种多线程的高速收敛蚁群算法,该算法在MMAS基础上,采用多线程来实现其蚁群算法并行机制以减少寻路时间,同时结合粒子群算法中粒子位置转移的机制,采用一种新颖的最近邻居选择策略、并进行动态信息素更新策略,以保证在每次搜索中,都能迅速向较优解靠拢。同时,还采取了一种局部变异策略,以对每次搜索的结果进行优化。(本文来源于《电脑知识与技术(学术交流)》期刊2007年14期）
王则林,罗永平,陆建德[10]（2006）在《基于最近邻居选择、信息素动态更新和局部启发搜索的蚁群算法》一文中研究指出文章使用最近邻居选择、信息素动态更新和局部启发搜索法对MMAS算法进行优化,得出NDLACO算法.此算法运用于解CVRP问题时,取得了较好的效果.在关于参数值的问题上取得了一定的成效,也有效地解决了蚁群算法的收敛过快和早熟、停滞问题.(本文来源于《南通大学学报(自然科学版)》期刊2006年04期）
邻居选择算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在数据挖掘和机器学习中,K最近邻居因其简单有效而得到了长足的发展和广泛的应用。然而,传统的K最近邻居有两个主要的局限性:参数K的选择以及在大规模数据集情况下过高的时间和空间复杂度需求。当KNN算法应用时,参数K取不同的值可能对算法的效果产生很大的影响。同时用于KNN分类的训练集中通常都包含有很多的噪声杂质和冗余的无用信息,在使用这些数据集进行KNN分类任务时,不仅会使得计算处理量巨大,而且还可能会影响算法的分类准确性。因此在处理模式识别、分类学习等相关问题时,对原始训练集进行有效地预处理是非常有必要的。数据集预处理的一个重要手段就是数据约简,而原型选择就是一个常用的数据约简方法。原型选择是对原始数据集进行选择性的约简,在保证最终保留的原型集能够不降低甚至提升分类准确率的前提下,获取具有较高分类贡献的,同时能够反映原始数据集的分布状况,具有一定代表性的原型子集。通过原型选择算法对数据集进行约简,不仅可以有效降低数据集的规模,提高分类算法的计算处理效率;还可以对数据集的分类准确率有所提升。虽然KNN算法应用中的时间复杂度和空间复杂度高的问题已经被研究多年,但是在实际应用中依然没有得到很好的解决,多数原型选择算法获得较低的分类准确率和较高的原型保留率。为了既能有效降低数据集的规模,同时又能保证最终保留的原型集的分类准确率不降低甚至有所提升;通过对现有原型选择算法的研究与分析,本文提出了一个新的原型选择算法,即基于自然邻居和最小生成树的原型选择算法。主要研究内容如下:(1)归纳和阐述了k最近邻居分类和原型选择相关概念和问题,给出了原型选择算法的不同分类方式,阐述了k最近邻分类和原型选择问题的关系。最后对一些经典的原型选择算法以及近年来新提出的原型选择算法进行了较为详细的介绍。(2)针对KNN应用中的参数k值选择难问题,引入了自然邻居的概念,并研究了在均匀分布和高斯分布等不同数据结构和不同数据规模下的自然邻居特性。具体研究了数据集平均自然邻居数目的稳定性和变化趋势,并研究构造了几种有用的自适应自然邻域图。通过实验发现均匀分布数据集的平均自然邻居数目相对高斯分布更为稳定,高斯分布数据集的值容易受离群点的影响。因此针对自然邻居的搜索算法进行改进,引入到原型选择中,有效去除离群点的影响。(3)针对现有原型选择算法存在原型选择约简率不够高和分类准确率有所下降的问题,提出了基于自然邻居和最小生成树的原型选择算法(Prototype Selection based on Natural Neighbor and MST,PS2NM),算法保留了一些对分类贡献较大的关键原型点,同时移除大多数对分类没有什么贡献的点。不同于其它原型选择算法,我们提出的算法使用了自然邻居这个新的邻居概念来做数据预处理,然后基于设定的控制策略建立最小生成树。基于最小生成树,我们保留大多数有用的边界原型,同时生成少量具有代表性的内部原型保留下来。本文提出的算法使用自然邻居做数据预处理,取代基于KNN的预处理操作,有效去除了参数选择问题。通过人工数据集实验展示了PS2NM算法能够有效去除噪声数据和冗余原型,保留的原型集具有跟原始训练集相同的分布情况;通过UCI基准数据集实验,将PS2NM同传统的原型选择算法(CNN、ENN)和最近的原型选择算法(TRKNN、PSC、BNNT)进行比较,结果显示本文提出的算法有效的约简了原型的数量,算法最终选择的原型集用于分类时,保持了与传统KNN相同水平的分类准确率。而且,在分类准确率和原型保留率上,本文提出的算法与其它原型选择算法相比还有一些优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
邻居选择算法论文参考文献
[1].徐晓琪.机会网络中基于邻居节点选择的路由算法研究[D].河南大学.2018
[2].段浪军.基于自然邻居和最小生成树的原型选择算法研究[D].重庆大学.2016
[3].吴嘉,陈志刚,陈雪寒,刘辉.基于机会网络中邻居结点计算选择的最优化带权路径路由算法研究[J].小型微型计算机系统.2014
[4].黄学哲,邓庆绪,李传文,金顺希.采用邻居节点的改进ZigBee路由选择算法[J].东北大学学报(自然科学版).2013
[5].丛鑫,双锴,苏森,杨放春,孙鑫.云辅助P2P-VoD系统中一种邻居选择算法[J].通信学报.2013
[6].冯侦探,倪宏,王劲林,尤佳莉.P2P流媒体直播系统自适应邻居节点选择算法[J].西安电子科技大学学报.2012
[7].陈瑞昭,刘永广.基于能力因子的P2P邻居节点随机可变选择算法[J].计算机应用.2010
[8].方阳,郑烇,李俊,戴威.基于内容分组与能力匹配的邻居选择算法[J].计算机仿真.2009
[9].林天建,余春艳.粒子群位置转移和最近邻居选择的多线程蚁群算法[J].电脑知识与技术(学术交流).2007
[10].王则林,罗永平,陆建德.基于最近邻居选择、信息素动态更新和局部启发搜索的蚁群算法[J].南通大学学报(自然科学版).2006