网络发现软件

本研究聚焦于VPLS（虚拟专用局域网服务）网络的拓扑发现机制，并探讨了相应的配置自动化实现方法。深入分析了VPLS网络的结构与特性，本文提出了一种创新的拓扑发现机制，以实现对网络拓扑的自动化发现与监测

随着深度学习的飞速发展,一些基于深度神经网络的判别式主题发现方法逐渐成为主流,这也带来了预测准确性的巨大提高。 在本文中,我们提出了一种基于卷积神经网络的架构(eCNN),将嵌入层与GloVe相结合。

基于SNMP的网络管理系统中网络拓扑发现研究，周兴武，陈磊，介绍了简单网络管理协议SNMP(SimpleNetworkManagerProtocol)及MIB-II规范，详细描述了基于SNMP的网络拓

发现网络中的活动主机解析IP数据包源程序

鉴于计算代价高昂的谱聚类无法满足海量网络社区发现的需求, 提出一种用于网络重叠社区发现的谱聚类集成算法(SCEA). 首先, 利用高效的近似谱聚类(KASP) 算法生成个体聚类集合; 然后, 引入个体

无线人际信息交互网络围绕人际信息交互的特点展开。重点关注无线通信中的网络发现中的能耗问题,利用IEEE802.15.4网络的超帧结构,提出了一种通过变换超帧参数实现的低功耗网络发现算法,分析了该算法的

发现网络中的社团结构有助于更好地理解网络结构和分析网络属性。通过定义边的聚类系数和基于局部信息的方法,提出了一种寻找复杂网络中社团结构的算法。该算法首先在网络的剩余节点中寻找度最大的节点,然后利用该节

加深对以太网逻辑拓扑、物理拓扑、交换机、路由器工作原理和SNMP协议的理解.本项目分为两个阶段,第一阶段为网络逻辑拓扑的发现,第二阶段为网络物理拓扑的发现。 说明文档:PDF

研究复杂网络中社区发现方法对分析复杂网络的拓扑结构和层次结构、理解社区的形成过程、预测复杂网络的变化趋势、挖掘复杂网络蕴含的规律特征具有十分重要的意义。同时，复杂网络社区发现方法在众多实际领域还有广泛

基于PSO 微粒群算法的复杂网络社区结构发现