Phase Plane Analysis of Congestion Control in Data Ethernet Networks

　　以太网有一些非常适用于增强数据中心网络属性，但是要使现有的以太网满足数据中心中一体化网络的需求，还需要加入更多的增强机制。拥塞管理被引入以太网来避免拥塞造成的丢包。后向的拥塞通告（BCN）是多个关于拥塞管理的标准草案的基础，它的稳定性是正常网络操作的基础。因为线性的稳定性分析方法不能处理BCN中含有的变结构的非线性元素，BCN中的一些特殊的现象没有被揭露，关于BCN系统的认识显得不足。

　  这篇文章中，为了满足数据中心无丢失的需求，我们提出了队列系统的强稳定性的概念，并且对BCN系统建立了流体流模型。考虑到速率调节的非线性，我们根据相轨迹的不同，把系统分成几类，并且使用相平面方法一一的进行非线性分析。分析结果使得人们能够深入理解整个拥塞控制系统的行为。最后，我们推导出了一个关于BCN系统强稳定性的显式判据，该判据能够直接指导BCN系统的参数配置。

Analysis of Backward Congestion Notification with Delay for Enhanced Ethernet Networks

    最近，公司和标准化组织都在增强以太网，使之成为数据中心中适用于TCP/IP流量、存储流量和高性能计算流量的一体化交换网络。后向的拥塞通告（BCN）是关于拥塞管理这一增强的基本机制。要完全满足一体化交换网络的无丢包和低延迟的需求，BCN需要将瓶颈链路队列长度紧紧的控制在目标点。因而，BCN的稳定性和缓存大小至关重要。目前，延时对BCN性能的影响还没有被确定。当链路带宽未来增加到40Gbps 或者 100Gbps的时候，漂在链路上的数据包数目将和交换机的缓存大小在同一数量级。因此，延时的影响将变得更加明显。这篇文章中，我们用一系列的分段的延时微分方程描述BCN系统，然后推导出了BCN系统一致渐近稳定的充分条件。接着，假设BCN一致渐近稳定，我们估计了缓存的大小，这一估计能够直接指导BCN系统的参数配置。最后，我们用数值分析和基于NetFPGA平台的实验验证了我们的理论分析结果。

Sliding Mode Congestion Control for Data Center Ethernet Networks

    最近，以太网被增强为数据中心中的一体化交换网络，成为数据中心以太网。拥塞管理是其中不可缺少的一项增强机制，而量化的拥塞通告（QCN）已经被批准为这一增强机制的标准。我们的实验表明，QCN系统中瓶颈链路队列抖动，而且随着参数和网络环境的变化，这一抖动可能会变得非常剧烈以至于瓶颈链路缓存被频繁排空，结果链路利用率降低。理论分析表明QCN主要通过一种名为滑模态运动的方式到达平衡点，但是QCN系统是否能进入滑模态依赖于参数和网络环境。因此，我们设计了滑模拥塞机制（SMCC）。它能保证拥塞控制系统无论在任何条件下，都可以进入滑模态，因而具有滑模态运动对参数变化和干扰不敏感的优势。另外，SMCC简单、稳定并且响应时间短。因为它和QCN都遵循IEEE 802.1 Qau工作组提出的基本框架，SMCC能够很容易的和QCN替换。基于NetFPGA平台的实验验证SMCC相对于QCN的优越性，尤其是在流量模式和网络状态不断变化的条件下

用户体验质量(QoE)的模型与评价方法综述

　　随着信息时代的到来，新的多样性的信息服务大量涌现，人们对信息服务的要求也越来越高．为了获得用户对服务的认可，服务提供商必须确保良好的用户体验质量。因此，用户体验质量不仅成为学术界重要的研究课题之一，而且也成为工业界关键的服务评价指标之一。

　　文中综述了用户体验质量的模型与评价方法等方面的工作。介绍了该领域的研究现状与进展，总结归纳了用户体验质量的影响因素、量化方法及三类评价方法学，重点讨论了几种具体的基于不同学科的用户体验质量的模型和评价方法．基于这些讨论，该文以视频流媒体服务为背景，提出了基于隐马尔可夫的用户体验质量模型，建立了基于随机模型的评价方法，对未来的研究方向进行了展望。[详细]

Flattening and Preferential Attachment in the Internet Evolution

　　对于互联网结构演进规律的认识对于很多研究具有重要的意义，比如网络规划、路由策略优化等等。本文我们通过对于CAIDA发布的过去近十年中互联网AS级别拓扑数据的分析，探究了两个互联网演进领域的重要话题：互联网扁平化趋势与偏好依赖规律。我们的分析结果显示，互联网演进规律在互联网核心部分与其边际部分有着明显区别。

　　我们利用不同的分层方法将互联网分层，并分析了层次之间的变化规律。我们发现在所有分层结果中，在互联网核心部分相邻层之间的差异越来越小；不同层次的规模越来越接近；而互联网边际区域层次结构依旧明显. 另一个区别体现在AS之间连接关系：在互联网核心区域，连接的产生与消失依然遵守线性偏好依赖规律而互联网边际部分则展示出明显的超线性规律。

IPv6过渡技术分析与评述

    随着互联网的飞速发展，原有IPv4协议的不足日益明显，而采用IPv6协议已成为各方的共识。从IPv4网络向IPv6网络过渡势在必行。本文着眼于过渡技术，首先分析指出IPv6过渡过程中可能出现的各种场景和需要解决的问题，并对过渡技术的应用场景进行了分析。随后根据适用场景和待解决的问题将过渡技术分为翻译技术，IPv4 over IPv6隧道技术以及IPv6 over IPv4隧道技术三个类别。针对每个类别中最有代表性的技术，本文从多个角度进行了综合对比，并对过渡技术实际应用情况进行了分析，对过渡技术本身存在的问题与发展进行了分析与展望。[详细]

Inertial Body-worn Sensor Data Segmentation by Boosting Threshold-based Detectors

　　本文面向加速传感器所采集数据的提出了一种分割的方法，用于检测用户动作发生改变的时刻。我们使用Adaboost的方法集成三种基于阈值的分类器：受力/重力比 ，自相关峰数，局部最小速度。在CMU Multi-Modal Activity Database数据集实验结果表明前两种分类器的作用更为显著，并且所提出的集成方法能够在可接受的粒度上提升分割效果。

Fall Detection Using Features from A Five-phase Model on Mobile Phones

    本文提出了一种跌倒检测技术，基于描述跌倒过程中用户运动状态变化的五阶段模型提取特征。实验结果验证了算法的有效性并且表明过重力率与加速度中次最大最小值可以用于提升检测精度。同时基于方法设计了一款应用uCare，能够在跌倒预防，检测和寻求急救方面辅助老年用户。

推文生命周期预测

　　在微博中，用户发布的推文（tweet）可以被直接或者间接的转播。而对于不同的推文来说，转播持续的时间跨度是不一样的，有的持续时间很短，有的中等，有的过了很长时间还不断有人转发。

　　在这篇文章中，我们提出了一个简单而有效的方法来预测微博中这些推文的生命周期，从而能够提前发现一些更有意思、更受欢迎的信息和内容，可以服务于微博推荐，也有助于解决信息过载等问题。我们收集了腾讯微博的一些真实数据，并在这些数据上做了实验评测。实验结果表明，我们的方法优于传统的回归预测方法，能够取得不错的预测效果。

A NOVEL DISTRIBUTED ROUTING ALGORITHM FOR LEO SATELLITE NETWORK

　　互联网的广泛应用和卫星技术的快速发展，使得卫星网络逐渐成为下一代互联网(NGI)的一个重要组成部分。与传统的高轨卫星(GEO)相比，低轨卫星(LEO)轨道较低、星地链路具有与地面链路可比的传输延迟、用户终端实现简单且功耗低、频谱高效复用，且星际链路(ISL)带宽较高。因此,能够提供宽带通信业务的LEO 卫星网络目前正成为卫星通信网络的研究热点之一。

    在本文中，我们仔细分析了Ekici提出的分布式算法--数据包路由算法，并以此算法为基础进行了深入而具体的研究，研究内容主要包括（1）进一步分析虚拟节点(Virtual Node)策略，在考虑地球自转的情况下改进此策略；（2）研究数据包路由算法的缺陷和不足，做出针对性的改进；（3）提出基于改进后算法的高效抗毁鲁棒性重路由策略。并通过仿真实验评价上述算法和策略的性能，验证其可行性。

GROUP RECOMMENDATION USING EXTERNAL FOLLOWEE FOR SOCIAL TV

　　本文聚焦群组外部具有代表性的用户（称为“外部专家”），研究一种能够应对对外具有高开放性，对内关系稀疏且具有强动态性的群组的兴趣模型。

    本文主要解决的群组推荐技术问题包括：群组推荐是否能够受到外部专家用户的影响；什么类型的群组受外部专家影响更为明显；当前观看视频的上下文特征对于群组推荐内容过滤的意义；群组推荐对于不同规模和活跃度的群组的效果。

HHS/LNS: An Integrated Search Method for Flexible Job Shop Scheduling

　　协作多机器人系统在实际生产应用中往往需要处理大规模的设备调度，但是仿真实验表明混合和声搜索算法在解决大规模的柔性作业车间调度问题时，存在优化能力不足的问题。为此，本项研究工作在上述研究工作的基础上进行了进一步地扩展，提出了一种集成搜索算法，有效弥补了上述不足。具体地说，该算法以提高算法的集中搜索能力为着力点，采用了约束规划领域的大邻域搜索技术，该搜索技术具有很强的爬山能力，但是其性能依赖于初始解，而且其集中搜索的能力随解空间的增大急剧衰减。

    在提出的集成搜索中运用分步策略，对大规模问题首先执行混合和声搜索算法，由于和声搜索的竞争机制，最终和声记忆库中的解均是精英解，利用这些解可以抽取出高质量的机器选择信息，并以此缩减调度问题的解空间。最后将最好的精英解作为大邻域搜索的初始解，在缩减的解空间上对该解进行进一步地改进。在并行计算环境中，可以选取最好的若干精英解作为初始解，有利于获得更高效的调度解。总之，该集成搜索算法实现了混合和声搜索算法和大邻域搜索算法之间的优势互补，实验表明，集成搜索算法在解决大规模优化调度问题较混合和声搜索算法有显著优势，在性能上也优于目前已有的先进算法。