在车载自组织网络(VANETs)中,由于网络环境不稳定,路侧单元(RSU)无法将数据快速、高效、可靠地分发给车辆。针对该问题,提出一种基于网络编码技术的RSU多播重传算法。在RSU多播第1阶段结束后,综合车辆的位置信息、速度、行驶方向以及数据有效性等多重特征,求解最优网络编码组合,多播该组合构造的编码包,以提高数据分发效率。实验结果表明,该算法与不编码和随机线性网络编码重传算法相比,平均数据下载率提高4倍,平均下载时延减少90%,数据分发时延分别减少40%和20%,提升了VANETs中数据分发的性能。
现有置乱评价方法大多与像素位置有密切关系,容易受到剪切、旋转等有意或无意攻击的影响,导致误差较高。针对该问题,提出一种基于提升小波、曼哈顿距离和纹理进行置乱程度评价的方法。对置乱前后图像分别进行提升小波变换,求对应系数的统计距离,高频生成灰度共生矩阵,提取纹理特征,通过距离和纹理求出置乱度。实验结果表明,与现有位置相关的置乱方法相比,该方法适用范围更广,与主观评价更一致,对原图像的依赖性更小,能更有效地用于置乱程度评价。
针对虹膜活体检测中的特征提取问题,提出一种基于深度卷积神经网络的虹膜活体检测算法。通过归一化、分块归一化和直接切取方式对虹膜图像进行预处理,利用卷积神经网络提取经预处理的虹膜图像特征,使用训练分类器对真伪虹膜进行分类。实验结果表明,该算法能自动学习虹膜图像的隐藏特征,使真实虹膜和伪造虹膜的特征更具区分性,并且在ND-Contact和CASIA-Iris-Fake数据库中获得96.72%以上的检测正确率。
针对系统调度理论研究中的严格周期任务可调度性判定问题,从研究实时系统中严格周期任务之间的相互干涉关系出发,提出一种基于特征任务的可调度性判定方法。分析严格周期任务在单一处理器平台下无冲突运行的时间约束,计算任务所能使用的全部空余时间,进而界定连续空余时间是否满足任务执行的需要,得到一个可调度性判定的充要条件。实验结果表明,与特征映射任务分配方法相比,该方法能够减少判定时间,提高判定成功率,具有更优的可调度判定性能。
为在复杂网络规模不断扩大的情况下优化其可视化布局效果,将力导引布局算法与k-core概念相结合,提出一种改进的大规模复杂网络压缩布局算法。利用复杂网络中的k-core概念划分网络数据,根据k-core值选择节点处理方式,实现网络节点的压缩布局。定义面向压缩的复杂网络信息量概念,对算法的压缩效果进行量化评估。实验结果表明,改进后的布局算法能有效利用有限的显示空间,减少布局结果中的边点密集现象,清晰地显示网络结构,同时在一定程度上保持原始网络性质。