导读:本文包含了节点排序论文开题报告文献综述及选题提纲参考文献，主要关键词:网络虚拟化,云计算,虚拟网络嵌入,拓扑感知
节点排序论文文献综述
马煜[1]（2019）在《基于拓扑感知节点排序的虚拟网络嵌入》一文中研究指出在共享底层上嵌入多个虚拟网络(VN)是云计算平台和大规模可切片网络测试平台的一个挑战性问题;本文利用马尔可夫随机游走模型,根据网络节点的资源和拓扑属性对其进行排序,这种新的拓扑感知节点排序方法可反映节点的相对重要性;利用节点排序设计了两种VN嵌入算法:RW-MaxMatch和RW-BFS;仿真实验表明:与现有的嵌入算法相比,拓扑感知节点排序具有较好的资源度量,并且所提出的基于RW的算法增加了长期平均收益和接受率。(本文来源于《计算机测量与控制》期刊2019年07期）
韦瑜佳,陈梦甜[2]（2019）在《基于网络节点重要性排序的较大交通事故影响因素分析》一文中研究指出我国是世界上交通事故死亡人数最多的国家之一,为提高驾驶人安全意识及实施相关措施以预防或减少道路交通事故的发生,文章运用Pajek软件,以我国东西中部地区的事故调查直接原因作为案例数据构建赋权网络,首先判断其是否符合小世界网络,后分析事故主要影响因素并给出相应建议。结果显示:道路交通事故网络符合小世界网络特征;超速行驶、操作不当、违法超载、操作不当和驾驶安全设施不全或机件不符合标准等具有安全隐患的机动车是较大及以上道路安全事故的主要影响因素;最后根据分析结果提出了相关建议。(本文来源于《科技创新与应用》期刊2019年21期）
李懂,席景科,孙成成[3]（2019）在《融合度与K核迭代次数的节点重要性排序算法》一文中研究指出传统的节点重要性排序算法多从单一属性角度进行分析,评价不够全面,影响排序结果的准确度。为解决这一问题,从多属性融合的角度提出一种融合度与K核迭代次数的节点重要性排序算法,从局部(即度)和全局(即K核迭代次数)两个属性对节点重要性进行综合评价,使用熵权法确定局部属性和全局属性对节点重要性的贡献权重。人工网络和真实网络的实验结果表明,该算法对节点重要性进行排序时具有较高的准确性和较好的时间效率。(本文来源于《计算机工程与设计》期刊2019年06期）
张凯茜[4]（2019）在《基于节点排序的寻优函数在贝叶斯网络结构学习中的理论研究》一文中研究指出贝叶斯网络是处理不确定性问题的有效方法之一,其具有内在严密的概率推理和直观的图形化表示等特点,被广泛应用于人工智能和机器学习等领域。在当今数据大爆炸时代,传统的依靠专家知识构建贝叶斯网络结构的方法已不能满足快速精准学习的需求。如何从数据中有效地学习贝叶斯网络结构引起众多专家学者的研究兴趣。使用爬山搜索策略的K2算法作为一种经典的贝叶斯网络结构学习算法,已经得到广泛的应用。但K2算法对变量序列和最大父节点数具有强烈的依赖性,不同的最大父节点数对贝叶斯网络的学习效果差别不显着,而不同的变量序列会极大地影响贝叶斯网络的学习效率,因此如何寻找较优的变量序列有着重要的研究价值。本文以构建K2算法中变量序列的评价函数为研究目标,首先基于广度优先搜索的Kahn算法和深度优先搜索的Tarjan算法,对标准网络结构进行图的遍历以得到较优的变量序列,分析各序列的K2-CH评分和互信息评分的属性,寻找较优序列的共性,在此基础上提出新的变量序列的评价函数,然后以此评分函数作为新的适应度函数,在变量构成的空间内,以遗传搜索来寻找较优的变量序列,我们称此算法为Chain-KMGA算法。实验结果表明,通过Chain-KMGA算法学习到的贝叶斯网络的结构较优,具体表现在网络的评分值较高,且可以学习到更多的正确边和较少的错误边,同时ChainKMGA算法的运行时间较少,该算法具有较高的学习效率,其所学习到的贝叶斯网络评分值与变量序列评分值具有较强的正相关性,即随着变量序列评分值的增加,贝叶斯网络的评分值也在对应的增加,因此Chain-KMGA算法能够搜索到较优变量序列,Chain-KMGA算法构建的贝叶斯网络具有较高的学习效率。(本文来源于《西北农林科技大学》期刊2019-05-01）
刘书磊,杜家乐,邵增珍[5]（2019）在《一种基于邻居节点和边的复杂网络节点排序方法——NL中心性算法》一文中研究指出提出了一种基于邻居节点和边的多属性排序方法——NL中心性算法,该算法不仅使用邻居节点和次邻居节点的个数进一步区分了节点的位置,而且还考虑了边对节点重要性的影响。实验结果表明,NL中心性算法在准确性及运行效率方面都优于其他中心性算法。(本文来源于《山东科学》期刊2019年02期）
李懂[6]（2019）在《多层复杂网络中节点重要性排序研究》一文中研究指出复杂网络分析是当前学术界的研究热点,复杂网络中节点重要性排序是其重要研究内容之一。现有的复杂网络节点重要性排序算法多是从单一属性角度进行分析,评价不够全面,影响了排序结果的准确度。同时,现实世界中实体间往往存在多种作用关系,需要用多层复杂网络表示实体间的多种作用关系,而现有的节点重要性排序方法多是针对单层复杂网络提出的,无法直接应用于多层复杂网络。本文提出一种融合度与K核迭代次数的节点重要性排序算法。首先,融合节点的度与K核迭代次数作为节点的权重因子,从局部和全局两个角度评价节点重要性。其次,该算法结合节点本身及其邻居节点的权重因子确定节点的重要性。考虑到不同的因素对节点重要性的贡献不完全一样,本文使用熵权法来确定度与K核迭代次数对节点重要性的影响权重。真实网络和人工网络的实验结果,表明本文提出的算法相比传统的节点重要性排序算法具有更高的准确度,并且执行效率较高。本文提出一种基于灰色关联分析的多层复杂网络节点重要性排序算法。首先,使用融合度与K核迭代次数的节点重要性排序算法求取单层网络中节点重要性。其次,根据节点在所有单层网络中的重要性构建样本矩阵,并对矩阵归一化处理。最后,使用灰色关联分析法计算节点与理想对象的灰色关联度,作为节点在多层复杂网络中的重要性。叁个真实多层网络的实验结果,表明该算法有较高的排序准确度,比单一关系网络和集聚网络中算法的排序结果更加合理。(本文来源于《中国矿业大学》期刊2019-04-01）
林馨[7]（2019）在《Tournament网络节点的排序算法》一文中研究指出在组合网络理论中,常将网络节点抽象为图的节点,借助图来研究网络的性质。本文将Tournament网络抽象为图,并以网络中节点输出的信息量为依据,重点探讨了双向连通Tournament网络节点的排序问题,并给出相应的算法。(本文来源于《数字技术与应用》期刊2019年02期）
张子超,郝蔚琳,张伊凡[8]（2019）在《一种复杂网络中节点安全重要性排序的度量方法》一文中研究指出近年来,网络空间安全成为信息安全中的热门领域之一,随着复杂网络的研究日渐深入,网络空间安全与复杂网络的结合也变得日益密切。网络的整体安全性依赖于网络中具体节点的安全性,因此,对网络节点的安全重要程度进行有效排序变得极为关键,良好的排序方法应当将越重要的节点排在越靠前的位置。本文从网络的拓扑结构入手,研究了网络节点的局部关键性,在传统基础上考虑了相邻节点及次相邻节点的拓扑结构影响。同时,由于传统方法很少引入动态因素,因此本文引入了网络节点实时流量向量,算法既包含网络拓扑结构,又使用了不同时刻的节点流量,采用了静态与动态相结合的方式。实验结果表明,在破坏排序结果前top-n个节点时,与传统方法相比,本文算法在排序结果上具有更好的效果。(本文来源于《信息安全学报》期刊2019年01期）
张笛,李兴华,刘海,马建峰[9]（2018）在《SDN网络中面向服务的网络节点重要性排序方法》一文中研究指出在SDN中,作为网络大脑的Controller,不仅为下层转发节点Switch提供数据转发流表,还为上层应用程序提供各类网络基本信息,负担繁重.特别是当网络规模较大时,Controller会成为网络性能的瓶颈.实验表明,当一个Controller管理300个Switch节点时,平均首ping时延超过300ms,而访问百度、新浪等网站仅需20ms左右,可见其对Controller负载造成相当大的影响,因此,有必要对其进行优化.已有工作表明,通过选取少量关键节点可实现对网络状态的可观性与网络行为的可控性.因此,减轻Controller负载的一个有效途径是对其所管辖的网络节点进行重要性排序,选取出重要节点,通过收集重要节点的网络服务信息去评估全网节点的网络状态,Controller再根据全网状态向这些重要节点下发相关控制策略,通过重要节点把控制策略扩散到全网节点从而实现全网控制.无论是信息采集还是下发控制流的过程,Controller仅仅操纵这些重要节点,既减少了信息采集工作又减少了控制流的下发工作,从而达到降低Controller负担的目的,因此,该文提出了一种面向服务的网络节点重要性排序方法.对于每一种网络服务,结合SDN集中控制以及获取全局参数的特性,不但考虑了Switch的网络信息,如通信量、网络拓扑等,而且结合了具体的网络服务选取对应的服务参数,对Switch进行重要性排序.Controller仅仅需要对排名靠前的Switch节点进行信息的收集与控制,从而达到降低自身负担的目的.该文以SDN网络中检测TCP洪泛攻击这一网络服务为例,进行了大量的实验,实验证实了参数选取的有效性,并且将该方案与已有方案进行了实验对比,该方案优于已有的排序方案.当选取排名在前40%的Switch节点进行信息收集时,不仅能够减少控制器60%的负担,还可以保证攻击检测程序成功率高达94%,同时,所提方案本身给Controller带来的负担仅占2%.(本文来源于《计算机学报》期刊2018年11期）
张惠玲[10]（2018）在《基于凝聚度和紧密度的网络节点重要性排序》一文中研究指出首先定义了节点的凝聚度,然后将节点的紧密度归一化,从而提出了一种新的评估复杂网络节点重要度的评价方法,该算法的复杂度为o(n~2)。该方法既考虑了节点的全局属性,又考虑了局部属性,克服了节点删除法的弊端。最后通过实验分析表明该指标能有效、快速确定网络节点的重要度。(本文来源于《计算机与数字工程》期刊2018年10期）
节点排序论文开题报告
（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：
我国是世界上交通事故死亡人数最多的国家之一,为提高驾驶人安全意识及实施相关措施以预防或减少道路交通事故的发生,文章运用Pajek软件,以我国东西中部地区的事故调查直接原因作为案例数据构建赋权网络,首先判断其是否符合小世界网络,后分析事故主要影响因素并给出相应建议。结果显示:道路交通事故网络符合小世界网络特征;超速行驶、操作不当、违法超载、操作不当和驾驶安全设施不全或机件不符合标准等具有安全隐患的机动车是较大及以上道路安全事故的主要影响因素;最后根据分析结果提出了相关建议。
（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。
节点排序论文参考文献
[1].马煜.基于拓扑感知节点排序的虚拟网络嵌入[J].计算机测量与控制.2019
[2].韦瑜佳,陈梦甜.基于网络节点重要性排序的较大交通事故影响因素分析[J].科技创新与应用.2019
[3].李懂,席景科,孙成成.融合度与K核迭代次数的节点重要性排序算法[J].计算机工程与设计.2019
[4].张凯茜.基于节点排序的寻优函数在贝叶斯网络结构学习中的理论研究[D].西北农林科技大学.2019
[5].刘书磊,杜家乐,邵增珍.一种基于邻居节点和边的复杂网络节点排序方法——NL中心性算法[J].山东科学.2019
[6].李懂.多层复杂网络中节点重要性排序研究[D].中国矿业大学.2019
[7].林馨.Tournament网络节点的排序算法[J].数字技术与应用.2019
[8].张子超,郝蔚琳,张伊凡.一种复杂网络中节点安全重要性排序的度量方法[J].信息安全学报.2019
[9].张笛,李兴华,刘海,马建峰.SDN网络中面向服务的网络节点重要性排序方法[J].计算机学报.2018
[10].张惠玲.基于凝聚度和紧密度的网络节点重要性排序[J].计算机与数字工程.2018