多视图偏多标记学习主要处理同时具有多个视图和多个相关标记但标记信息不完全准确的数据.现有多视图偏多标记学习方法大多采用两阶段的方式独立进行标记消歧与多标记分类,其分类性能有待提高.本文提出了一种多视图偏多标记分类与标记...多视图偏多标记学习主要处理同时具有多个视图和多个相关标记但标记信息不完全准确的数据.现有多视图偏多标记学习方法大多采用两阶段的方式独立进行标记消歧与多标记分类,其分类性能有待提高.本文提出了一种多视图偏多标记分类与标记消歧联合学习(joint learning of multi-view partial multi-label classification and label disambiguation,JL-MVPML-LD)框架.首先,对多视图特征进行多核融合并考虑不同视图的重要性;其次,自动挖掘实例相关性和标记相关性,并利用它们来促进多视图偏多标记分类和标记消歧的联合学习;最后,采用交替迭代方法进行求解.在3个数据集上27种情况下的实验结果验证了本文方法的有效性.展开更多
网络遥测是一种新型的网络测量技术,具有实时性强、准确性高、开销低的特点。现有网络遥测技术存在无法收集多粒度网络数据、无法有效存储大量原始网络数据、无法快速提取及生成网络遥测信息、无法利用内核态及用户态特性设计网络遥测...网络遥测是一种新型的网络测量技术,具有实时性强、准确性高、开销低的特点。现有网络遥测技术存在无法收集多粒度网络数据、无法有效存储大量原始网络数据、无法快速提取及生成网络遥测信息、无法利用内核态及用户态特性设计网络遥测方案等问题。为此,提出了一种融合内核态及用户态的、基于遥测数据图和同步控制块的多粒度、可扩展、覆盖全网的网络遥测机制(a nEtwork telemetry mechAnism based on telemetry data Graph in kerneL and usEr mode,EAGLE)。EAGLE设计了一种能够收集多粒度数据且数据平面上灵活可控的网络遥测数据包结构,用于获取上层应用所需的数据。此外,为快速存储、查询、统计、聚合网络状态数据,实现网络遥测数据包所需遥测数据的快速提取与生成,EAGLE提出了一种基于遥测数据图及同步控制块的网络遥测信息生成方法。在此基础上,为了最大化网络遥测机制中网络遥测数据包的处理效率,EAGLE提出了融合内核态及用户态特性的网络遥测信息嵌入架构。在Open vSwitch上实现了EAGLE方案并进行了测试,测试结果表明,EAGLE能够收集多粒度数据并快速提取与生成遥测数据,且仅增加极少量的处理时延及资源占用率。展开更多
文摘多视图偏多标记学习主要处理同时具有多个视图和多个相关标记但标记信息不完全准确的数据.现有多视图偏多标记学习方法大多采用两阶段的方式独立进行标记消歧与多标记分类,其分类性能有待提高.本文提出了一种多视图偏多标记分类与标记消歧联合学习(joint learning of multi-view partial multi-label classification and label disambiguation,JL-MVPML-LD)框架.首先,对多视图特征进行多核融合并考虑不同视图的重要性;其次,自动挖掘实例相关性和标记相关性,并利用它们来促进多视图偏多标记分类和标记消歧的联合学习;最后,采用交替迭代方法进行求解.在3个数据集上27种情况下的实验结果验证了本文方法的有效性.
文摘网络遥测是一种新型的网络测量技术,具有实时性强、准确性高、开销低的特点。现有网络遥测技术存在无法收集多粒度网络数据、无法有效存储大量原始网络数据、无法快速提取及生成网络遥测信息、无法利用内核态及用户态特性设计网络遥测方案等问题。为此,提出了一种融合内核态及用户态的、基于遥测数据图和同步控制块的多粒度、可扩展、覆盖全网的网络遥测机制(a nEtwork telemetry mechAnism based on telemetry data Graph in kerneL and usEr mode,EAGLE)。EAGLE设计了一种能够收集多粒度数据且数据平面上灵活可控的网络遥测数据包结构,用于获取上层应用所需的数据。此外,为快速存储、查询、统计、聚合网络状态数据,实现网络遥测数据包所需遥测数据的快速提取与生成,EAGLE提出了一种基于遥测数据图及同步控制块的网络遥测信息生成方法。在此基础上,为了最大化网络遥测机制中网络遥测数据包的处理效率,EAGLE提出了融合内核态及用户态特性的网络遥测信息嵌入架构。在Open vSwitch上实现了EAGLE方案并进行了测试,测试结果表明,EAGLE能够收集多粒度数据并快速提取与生成遥测数据,且仅增加极少量的处理时延及资源占用率。
