为应对数据规模的快速增长,许多数据库管理系统提供了横向水平扩展的特性,但为保证扩展后的性能,大多不能自动维护数据间关联的强一致性。为此,设计一种高可扩展性的分布式事务处理机制。基于信息网模型的语义性和存储特点,根据所接收事务之间的关联度动态控制组提交粒度,从而利用缓存提高吞吐量。同时在子节点和备份节点同时执行相同的事务操作,而不是发送日志进行同步,以提高响应速度。实验结果表明,与两阶段提交协议相比,该机制在保证强事务特性的同时,能够获得近似线性的高扩展性,在系统吞吐量和响应时间方面也有较大改善。
在树形拓扑水声传感网络中,时分多址(TDMA)机制存在信道利用率低的问题。为此,提出一种轻量级的流量自适应随机访问与TDMA的混合MAC协议。该协议在网络流量较低时采用S-ALOHA竞争机制提高信道利用率,运用最优化算法计算分配给簇内子节点的最大发送概率,通过流量自适应的灵活时隙分配机制以适应不同的网络流量。实验结果表明,该协议不仅能够提高树形拓扑网络中节点的通信效率,能减少子节点的等待时间。
为更好兼顾LTE-A系统吞吐量与用户公平性,提出基于贪心算法的资源管理方法。在载波聚合时充分利用用户端上报的信道状态信息,降低信道变化对载波聚合算法性能的影响。使用贪心算法解决资源分配时的NP难问题,在用户调度过程中利用用户占用的资源块数和平均速率重新设计贪心算法中的权值因子,从而满足各类用户对服务质量的不同需求。仿真结果表明,与LL+PF算法相比,该算法具有较好的用户公平性和更高的系统吞吐量。
车载自组织网络(VANET)单一分层结构路由协议考虑因素较少,导致分组投递率低、端到端时延较高。为此,考虑车辆位置、速度、路口密度、无线链路质量、MAC层误帧率等影响因素,提出一种应用于城市环境的基于位置信息的VANET跨层路由协议(MCLPR)。设计路口车辆节点选择算法提取无线链路质量和MAC层误帧率的跨层信息,采用层次分析法计算各影响因素的权重值,确定最佳转发路径。仿真结果表明,与AODV,DSDV等路由协议相比,MCLPR路由协议具有较高的分组投递率及较低的端到端时延,保证了数据传输的可靠性与高效性,适用于网络密度与负载较大、车辆移动速度较快的城市环境。
Khudra算法是一种总轮数为18的轻量级分组密码算法。现有分析方法使用相关密钥差分分析Khudra算法,通过在2个密钥上引入差分,构造14轮区分器攻击16轮Khudra算法,区分器的攻击概率为2-56.85。基于此,同样使用相关密钥差分分析Khudra算法,仅在1个密钥上引入差分构造10轮区分器,共攻击16轮Khudra算法。分析结果表明,该10轮区分器与现有相关密钥差分分析的14轮区分器相比攻击概率提高了2 28.425,整个分析过程的数据复杂度为2 33,时间复杂度为2 95。
针对传统手写数字识别方法识别率较低的问题,提出一种融合卷积神经网络(F-CNN)模型。通过结合暹罗网络(SN)模型和二进制卷积神经网络(B-CNN)模型的高级特征,扩展网络高级层的尺寸,增强F-CNN模型的特征表达能力。在网络训练过程中,设计周期性数据打乱策略,提高F-CNN模型的收敛速度,更好地实现手写数字识别。在MNIST数据集上的实验结果表明,融合模型对于手写数字的识别准确率达到99.10%,识别性能优于SN模型和B-CNN模型。
针对聚合通道特征(ACF)算法误检窗口多的问题,提出一种由粗到精的级联行人检测算法。采用ACF算法快速粗检,改进通道特征来滤除误检窗口,以每个图像通道学习主成分分析(PCA)滤波器组,代替PCANet从训练图像和卷积图中学习滤波器组,用图像通道进行单层卷积,代替PCANet的双层卷积以降低特征维数,提升对行人的表达能力,并对卷积图池化降维,得到改进的通道特征。仿真结果表明,该算法相对于原ACF算法误检窗口减少,检测率在INRIA、Caltech数据库上分别提高3.8%和17.5%。