为提高移动群智感知网络中的数据感知、收集和传输效率,提出一种基于服务质量(QoS)感知和协作竞争的机会传输机制。基于空频相关性,建立多中继移动节点协作传输的移动群智感知网络模型,根据机会感知周期和数据采集频域划分感知区域。在移动节点动态转移模型的基础上,构建包括吞吐率、传输延迟及丢包率等测度的QoS感知分析模型,并设计协作竞争策略弱化信道竞争及优化功率分配。分析结果表明,与直接传输方案、无直接传输路径的协作传输方案相比,该机制具有更高的吞吐率,更低的延迟、丢包率和传输负载。
针对军事文本信息中命名实体多、特征词领域性强的特性,提出一种领域特征词向量描述方法。从优化分词和领域特征词筛选方面压缩向量空间,完善时间、地名、部队名称和武器装备4类重要命名实体的提取规则,扩充分词词典库。改进领域相关度和领域一致度相结合的领域特征词筛选算法,突出领域特征词与常用词汇之间的差别,进一步过滤领域特征词。实验结果表明,优化分词后,该方法能够提取出军事文本中的命名实体和部分专有词汇,降低特征词数量,改进后的领域特征词筛选算法将准确率和召回率分别提高20%和16.7%,提出的领域特征词向量描述方法所生成的特征词向量具有较强的领域性。
由于传统基于Omeasure度量的异常数据检测方法在对异常数据进行检测时需要对路径进行全搜索,并且在数据量较少的情况下会产生误判,因此其在检测效率和查准率上具有明显的缺陷。为此,根据蚁群算法的正反馈性质,提出一种将蚁群算法和属性相关分析相结合的属性异常点检测方法。将蚁群收敛到的路径作为异常路径,计算异常路径上各个节点Omeasure值,并根据Omeasure值确定数据异常点。实验结果表明,该方法在查全率、查准率和效率上均优于传统的基于Omeasure度量的异常数据检测方法。
基于HU的差别矩阵方法不仅构造费时且占用空间大,使得执行效率不高。利用元素间两两比较的方法构造浓缩差别矩阵的算法则时间复杂度过高,不适用大数据的处理。而将差别元素压缩存储在一棵FP树上,却无法去除无用的元素。为此,引入二叉树的思想,对短差别集依次建树,长差别集依次进行比较查找,提出一种改进的浓缩差别矩阵算法,在此基础上,给出扩展的二进制差别矩阵,直接从矩阵中提取规则。实验结果证明,该算法不仅降低了时间复杂度,还能够去掉无用元素,减少存储空间。