传统的图形处理器(GPU)执行PGrid索引K最近邻(KNN)查询方法时存在查询粒度大、冗余计算多、性能不稳定等问题。为此,基于空间KNN关系查询,提出一种基于细粒度划分查找范围的KNN查询策略。基于欧氏距离的三角不等特性构建Cell的动态查询范围扩展,实现查询范围相对于Cell各个边界距离的细粒度划分和扩展,分析给定K值时对象数量的优化格网尺度。实验结果表明,与传统KNN查询方法相比,该查询策略在不同K值和格网划分尺度下具有明显的性能优势。
对于用户异常用电行为的检测,电力企业通常采用人工检查的方法,但该方法需要消耗大量的人力、物力,且容易受主观因素的影响。为此,提出一种基于岭回归模型的异常用电行为识别算法。通过收集用户用电数据,对岭回归模型进行训练,并将训练好的模型用于异常用电行为的自动检测。为捕获未知的用户用电行为类别样本信息,在岭回归模型的基础上引入图正则项。考虑到用电数据的非线性分布特性,通过核函数的方式,将原始数据映射到高维希尔伯特空间,得到基于图正则的非线性岭回归模型。实验结果表明,与最小二乘、岭回归、图正则岭回归模型相比,该算法具有更高的识别准确率。
针对用户聚类时部分近邻被遗漏和近邻用户选取依据单一的问题,通过对项目评分和类型评分进行聚类,提出一种新的推荐算法。结合用户对项目的评分记录生成用户-项目评分矩阵和用户-项目类型评分矩阵,基于此对用户进行模糊C均值聚类,同时改进距离度量方法,根据聚类生成的隶属度矩阵在隶属度高的簇中选取对应最近邻,并通过加权生成预测评分,最终产生推荐。在MovieLens数据集上的对比结果表明,该算法能够真实地反映用户评分,有效提高推荐系统的预测准确性。
针对传统朴素贝叶斯分类算法处理多维连续型数据时准确率较低的问题,提出基于属性关联的改进算法。通过高斯分割对属性类别不同的多维连续型数据集进行离散化处理,并使用拉普拉斯校准、属性关联和属性加权方法改进朴素贝叶斯分类过程。实验结果表明,与基于拉普拉斯校准或属性加权的改进算法相比,该算法能够提高分类准确率,且提升幅度在一定范围内随着属性数量的增加而增加,适用于多维连续型数据的分类。
为解决哈希分布表转换为随机分布表后连接效率低的问题,提出一种大规模并行处理数据库中哈希表的并行连接操作算法。根据共享存储环境下哈希分布表的数据块分布特性,并结合随机读取的扫描优势,利用数据多副本分布式存储提高本地读比率,且不损失数据块哈希分布的特性。TPC-H标准测试结果表明,与传统并行连接算法相比,该算法能有效提高连接操作效率,连接查询语句最高可降低30%的响应时间。
联合频谱检测算法在检测授权用户频谱时,认知用户数量的增加会使有限的控制信道带宽成为制约算法实际应用的瓶颈。针对该问题,提出一种多门限联合频谱检测算法。在建立频谱检测模型的基础上,根据应用偏重要求的不同对认知用户进行权值分簇,从而避免控制信道阻塞。理论分析和Matlab仿真结果表明,在瑞利信道下,该算法可有效减小网络时延,提高系统检测概率。
当认知无线电网络中的主用户活动时,网络连通性较差。针对该问题,结合功率控制和信道分配技术,提出使用最小数目信道构造双信道连通无冲突拓扑的方案。生成基本拓扑,使用图着色理论为每个次级用户分配信道。在此基础上,考虑到删除节点后局部冲突图可能不连通,利用改进MPH算法给最短路径密集经过的节点分配路径权值。同时为避免删除节点后拓扑被分为两部分,取切割部分点间最短距离的一半位置添加节点,从而实现双信道连通。理论分析和仿真结果表明,在任意主用户引起的单信道中断情况下,该方案能够保持网络连通,同时减少所需信道数和网络花费。
稀疏码多址接入(SCMA)作为一种新型非正交多址接入技术,可满足5G海量连接的性能需求,但其中消息传递算法存在收敛速度慢、复杂度高的问题。为此,针对SCMA系统提出一种低复杂度的多用户检测算法。通过减小译码时叠加码字星座点搜索范围并引入权重因子,改变搜索范围内叠加码字星座点的初始概率,从而加快译码速度并提高准确率。理论分析与仿真结果表明,该算法不仅能够有效降低复杂度,而且还能加快迭代过程的收敛速度。
在认知无线电网络中,频谱感知的效能往往通过系统的吞吐量进行体现。为此,在传统感知帧结构的基础上,通过引入协作频谱预测和频谱分割定义一种新的感知帧结构,并结合基于DBSCAN的隐马尔科夫模型协作频谱预测算法,提高频谱预测的准确率,降低协作预测带宽的消耗,从而增加系统吞吐量。仿真结果表明,与不含协作模块的频谱分割帧结构和含有协作模块但未进行频谱分割的帧结构相比,改进的帧结构可有效提高系统吞吐量。
将传统二维角度域波束赋形算法应用于三维多输入多输出(3D MIMO)场景时,会导致波形畸变、不稳定甚至失效。为此,在传统二维最小均方误差算法的基础上,提出一种改进的3D MMSE角度域波束赋形算法。在面阵信号模型中利用特征分解法对信号相关矩阵进行分解,去除与噪声相关的小特征值扰动因子,以此解决波形畸变与算法失效问题。仿真结果表明,该算法可实现3D角度域波束赋形,相对3D MVDR算法和ZF算法,其阵列输出均方误差较小,信干噪比较高。
针对正交频分复用(OFDM)系统中固有的高旁瓣问题,结合子载波加权方法,提出一种OFDM系统旁瓣抑制算法。根据若干优化限制进行优化运算,使得传输信号的旁瓣达到最小值,从而确定载波权重。在子载波加权的基础上引入时域加窗,将发射信号与不同于传统矩形窗的窗函数做相乘运算,最终对带外辐射进行有效抑制。仿真结果表明,在无需传输任何边信息的情况下,子载波加权方法平均能够抑制辐射强度不低于10 dB的OFDM旁瓣,对加权后的OFDM信号采取加窗处理,则可以抑制辐射强度约为25 dB的旁瓣。
复杂网络节点重要度排序对网络抗毁性研究具有重要意义,但现有节点重要度排序方法多数没有兼顾网络结构变化和重要邻居节点的影响。为此,在结合多属性评估和节点删除的基础上,提出一种改进的复杂网络节点重要度排序方法。根据节点的网络局部属性、网络全局属性和网络位置属性选取评估指标,采用理想点法综合评估初始网络节点重要度,并依次删除最重要节点、评估剩余网络节点重要度,以此减小网络结构变化和重要邻居节点对节点重要度排序的影响,从而得到最终的网络节点重要度排序结果。实验结果表明,与理想点法、NICCM方法等相比,该方法能更准确地对网络重要节点进行识别和排序。
在无线传感器网络中,现有基于网络编码的低能耗可靠机会路由算法(EROR),在均衡节点能量消耗和延长网络生存时间上存在不足。为此,提出一种基于网络编码的机会路由优化算法(OPEROR)。通过信道误码率和丢包率计算节点接收编码包失败的概率,以减少编码包的重传次数。转发集中的节点在收齐解码所需的编码包后直接广播自己的代价数据包,不再发送确认包,从而减少网络开销和确定主转发节点的等待时间。主转发节点的邻居节点根据收到的代价数据包更新自己的转发代价后再判断自己是否成为协助转发节点,防止转发代价大的邻居节点也转发编码包。仿真结果表明,与EROR算法相比,OPEROR算法可以延长网络生存时间并降低平均能耗。
低占空比无线传感器网络使节点处于低占空比状态,能极大延长网络的生命周期,但却使网络中的休眠延迟变长。为此,提出一种能耗与时间权衡的多唤醒休眠调度算法。通过动态感知剩余能量并采用多唤醒机制,从而确定一个适用于任意拓扑结构下的延迟下界。仿真结果表明,与LES算法及TOSS算法相比,该算法的休眠延迟性能提升明显,能均衡网络能耗,有效延长网络的生命周期。
为解决无线传感器网络中因簇头能量消耗不均所产生的热区问题,提出一种多基站分区路由协议。在监测区域中部署多个基站并进行合理的分区,采用引入变尺度混沌策略的蝙蝠优化算法选择簇头节点,以避免蝙蝠算法陷入局部最优。在数据传输阶段,簇头节点选择剩余能量大于平均能量且离基站最近的节点作为下一跳。仿真结果表明,相比LEACH协议和DEBUC协议,该协议能够有效减少并均衡能量消耗,提高数据包接收量,延长网络的生存周期。
超奈奎斯特(FTN)传输具有较高的信息传输速率和频谱效率,在5G移动通信系统中具有广阔的应用前景。但是,符号间隔的压缩导致了较为严重的码间串扰,降低了载波同步的性能。针对上述问题,通过二次多项式对周期图主瓣进行拟合,得到频谱峰值的索引值,进而计算得到频率估计值,提出一种FTN信号载波同步算法,并通过增加FFT点数、将拟合法与插值算法相结合的方法对该算法进行改进。仿真结果表明,与Candan算法、邻位符号相除算法等相比,该改进算法能更好地适应FTN信号的传输特性,载波参数估计性能逼近克拉美罗界。
带宽利用率是网络传输能力评价的核心指标,其值过高节点会出现拥塞现象,导致网络性能急剧下降。为此,基于该指标提出一种指数函数调制的路由算法EBURM。构建一个目标函数模型,给出目标函数中传输效率、带宽利用率和步长因子的理论值和计算公式,并在当前主流园区网架构基础上,利用仿真工具对OSPF经典路由机制和EBURM路由机制进行验证比较。实验结果表明,EBURM在控制路径条数目为5以内的条件下,具有优良的线性特征,可最大限度调节网络中源节点的流量发送策略,降低流量传输的代价。
为提高云存储用户数据上传的效率和安全性,提出一种基于多比特重复数据删除的云存储信道隐藏方法。构建包含云存储提供商、受害者和攻击者的交叉用户信道隐藏框架,采用消息的选择上传机制,以消除“0”文件上传的必要性,减少上传文件的数量。同时,为实现多比特隐藏信道无差错解码,提出一种新的同步技术对文件进行时间戳排序,从而提高数据传输的秩序。在云存储服务器SugarSync和BaiduYun中的测试结果,验证了该方法的有效性和安全性。
为研究不同边免疫策略对谣言传播的影响,综合相异类型三元组结构对节点的作用,提出一种新的边免疫策略——三元组边免疫策略。根据真实的在线社交网络和人工合成的无标度网络数据仿真谣言传播过程,并对度-度边免疫、介数-介数边免疫、特征向量-特征向量边免疫、边介数免疫和三元组边免疫等边免疫策略进行对比。仿真结果表明,当谣言感染概率较低时,三元组边免疫的效果不明显,当感染概率较高时,三元组边免疫效果较好,其效果仅次于度-度边免疫。
二维码仅适合单一权限信息的传输,不能同时满足不同权限用户对于信息的获取需求。为此,通过分级加密的方式,将二维码信息进行分块加密处理。使用Hash函数自动生成不同权限输入信息所对应的私钥,以满足高权限用户对低权限信息的获取需求。采用属性加密算法,根据不同信息的权限和访问该权限信息所对应的属性集,生成访问控制树,计算不同的用户属性所对应的访问权限并分配用户私钥。将信息的权限与用户属性权限进行匹配,完成基于属性加密的二维码分级加密。实验结果表明,该算法能够满足不同权限用户对于不同权限信息的获密需求。
针对车内网控制器局域网(CAN)总线中电子控制单元(ECU)易被篡改、假冒等安全问题,提出一种基于一次性密码本的身份认证协议。该协议利用网关ECU(GECU)中的安全存储模块TA验证ECU的合法身份,根据车载电源电压变化得到随机数,生成会话密钥并且使ECU节点间共享会话密钥,简化TA对ECU的密钥管理,周期性地更新连接和释放外部设备时的会话密钥,以防止重放攻击。仿真结果表明,该协议可有效减少总线负载,提高通信效率。
已有研究针对5层神经网络结构中各隐层节点数的选取并不明确。为此,提出一种改进的5层深信度网络(DBN)结构设计方案与节点数量优化选择方法。将第一隐层、第二隐层节点数预估为前一层节点数的1/3至2/3间的某值,第三隐层、第四隐层节点数分别等于第一隐层和输入层的节点数,然后采用样条插值方法优化选择第一隐层、第二隐层节点数。该结构特征只需预训练前2层权重,简化了DBN的受限玻尔兹曼机预训练方法。MNINST数据集上的实验结果验证了该网络结构的高效性与高准确率。
针对传统超像素分割对声呐图像存在抗噪性能较差、分割后区域难以准确合并等问题,提出一种以超像素聚类方式实现侧扫声呐图像分割的方法。采用快速双边滤波对待分割的侧扫声呐图像进行降噪处理,以降低后续分割的困难。对降噪后的侧扫声呐图像提取亮度特征和纹理特征,计算两者相似性,并进行加权融合,以融合后的相似性作为像素与聚类中心间的距离度量准则,从而生成超像素。基于亮度特征对超像素进行显著性检测,标记显著性超像素,并基于最大流-最小割方法对超像素进行聚类。计算类内显著性超像素占比,将其与预设阈值进行比较,将大于阈值的标记为前景类,反之则为背景类,以得到最终的分割结果。实验结果表明,与模糊局部信息C均值算法和简单线性迭代聚类算法相比,该算法的分割准确率较高、过分割和欠分割率较低。
头部姿势估计在许多智能系统中是检测身份和理解行为的关键,但其受光照变化、遮挡、分辨率等因素影响较大。针对彩色二维图像的头部姿态估计方法准确率不高的问题,在分析现有的头部姿态估计方法的基础上,提出一种基于面部特征点定位的头部姿态估计方法。将Adaboost算法和椭圆肤色模型相结合,用于检测人脸,并准确获得图片中的人脸区域。利用Hough圆检测方法定位眼睛和鼻孔,利用人眼和鼻孔的位置信息,将眼睛、鼻子定位结果与正脸头部姿态中的眼睛、鼻子进行对比,从而对不同的头部姿态进行粗估计。实验结果表明,该方法能识别正脸以外的6种不同的头部姿态,总体准确率达到93.53%。
当前商业无线芯片只能实现工业无线网络标准的通信功能,时隙调度和同步等功能必须依靠软件通过定时中断的方式实现,增加了开发难度,限制了WIA-PA等工业无线协议的推广和普及。针对该问题,设计一款支持TSCH模式物理层协议面向工业无线网络的系统级工业无线芯片WIASoC2400。该芯片以IEEE802.15.4e协议的TSCH模式为基础,基于ARM Cortex-M3内核,集成2.4 GHzWIA-PA无线通信模块,同时包含符合IEEE802.15.4-2006协议CCM*模式安全规范的AES-128加/解密安全模块,可保证数据传输的安全性。仿真结果表明,WIASoC2400能够满足TSCH模式下通信的时隙同步精度和跳频要求,具有定时精确、处理速度快、实现简单等优点。
传统时空上下文目标跟踪(STC)算法在目标发生尺度变化时,跟踪窗口长期不变导致学习的上下文空间模型不具有针对性。为此,提出一种能够进行自适应学习的时空上下文目标跟踪 (STC-AL)算法。在前后输出窗口提取尺度不变特征并消除误匹配,对匹配点集进行综合分析后调整输出窗口,并对传统空间模型的学习与更新进行改进。实验结果表明,STC-AL算法能够适应目标尺度变化,与STC算法、CT算法和KCF算法相比,跟踪结果更准确。
位置推荐中影响推荐结果的主要因素有地理位置、个人爱好、社会关系以及时间周期,为有效融合4个影响因素并进行个性化位置推荐,针对每个因素构建对应的选择概率模型,并分析各因素对用户选择的影响力,在此基础上,提出一种启发式推荐算法。实验结果表明,与传统 的基于位置的推荐算法相比,该算法性能更好,推荐的结果更能被用户所接受。
结合维吾尔语的语言特点,基于堆栈降噪自编码(SDAE),提出一种新的维吾尔语事件共指关系识别方法。将维吾尔语事件两两构成候选事件对,抽取事件基本属性、触发词、事件距离等9项特征,利用Word Embedding富含语义信息的特性,将其计算得到的维吾尔语事件触发词 语义相似度作为特征之一,训练SDAE模型,将SDAE的输出作为softmax层的输入,从而分类完成维吾尔语事件共指关系识别任务。实验结果表明,与浅层机器学习模型支持向量机相比,基于深度学习机制的SDAE模型更适用于维吾尔语事件共指关系识别任务,并提升了识别性能。
为分析城市道路实际交通条件下汽车尾气的排放规律,对元胞自动机的MCD模型和STCA模型进行改进,构建一种基于速度-加速度查询表耦合交通流元胞自动机的汽车尾气排放量统计模型。在不同交通流服务水平下运行该耦合模型,以获取速度、加速度及工况。对单车的工况 分布、3种典型尾气排放历程及1 h与1 km排放总量进行统计分析,结果表明,该模型耦合机理清晰,可用于实际交通服务水平下单车及车流尾气排放规律的分析。
在多目标跟踪系统中,当目标航迹较为接近或交叉时,使用带标签高斯混合概率假设密度(GM-PHD)算法会出现目标漏检的现象。为此,提出一种改进算法来解决存在交叉目标情况下的多目标跟踪问题。在更新结束后对估计得到的高斯项标签进行管理,若估计目标数目减少,则 需要判断目标航迹是否较为接近或者交叉。若目标接近或交叉,则对高斯项进行标签管理和权值重置,并重新估计目标状态和航迹,否则将目标减少视为正常的目标消亡现象,直接进行航迹管理。实验结果表明,与无标签算法及常规带标签算法相比,该算法可以更好地解决由 目标交叉导致的漏检问题,并具有更高的稳定性。