第三方物流服务质量约束下具有利他性的网购供应链决策模型*

针对单个网络商店和单个第三方物流(TPL)形成的服务供需关系,在TPL服务质量约束下构建了一个基于利他属性的网购供应链决策模型,讨论了利他属性对网购供应链系统的影响。首先在分散决策模式下,探讨了系统的均衡解和绩效;然后,分析了集中决策模式下参与者的决策和利益情况,对比分析发现分散决策模式下网络商店和TPL会因利益冲突而使系统决策失衡,从而降低了供应链参与者利润和系统绩效;在此基础上,讨论了在TPL服务质量约束下利他性与系统决策和绩效的关系,结论表明:利他属性的存在有助于改善系统决策和供应链绩效;最后,通过数值分析,进一步揭示了单方参与者具有利他性时的系统决策和绩效的变化规律,以及双方参与者切利他性互动情景下系统决策的变化规律。     

信度函数在复杂网络节点重要性评价中的应用

针对复杂网络中重要节点的识别问题,提出了一种基于信度函数复杂网络中识别节点重要度的方法;回顾了信度函数、复杂网络相关理论知识及节点重要度相关算法,建立了基于信度函数的节点重要度识别模型;通过建立辨识框架,把节点相关属性转换为信度函数,利用证据理论组合规则进行融合,得到节点的综合属性信度函数值并将其转换为单一数值,进而提到节点的排序结果;实例分析表明,所建立模型有效克服了相关单一节点重要度算法的局限性问题,具有合理性与有效性,可进一步推广。     

基于深度置信网络的假手指静脉图像检测算法

针对伪造的手指静脉图像能够成功攻击手指静脉识别系统,从而使得其识别系统安全性能大大降低的问题,提出了一种基于深度置信网络的手指静脉防伪检测的方法;通过逐层无监督的学习方法预训练深度网络的权值参数,以及有监督的BP神经网络微调深度网络的权值参数,从而提取到手指静脉图像的特征,用于静脉图像的检测;实验结果证明所提出的手指静脉防伪检测方法能够有效地识别出假手指静脉图像;通过对比性实验研究,发现此方法提高了手指静脉识别系统的安全性能。     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

基于SSD卷积网络的视频目标检测研究

针对传统卷积神经网络对远距离视频目标识别效果差的原因,本文提出一种改进的基于SSD卷积网络的视频目标检测模型.首先,对数据集进行剪裁,旋转等预处理,提高网络检测泛化能力,其次,采用coco数据集Mobilenet_SSD预训练模型,由于其具有轻量级网络模型特点,减少计算开销,减少内存占用量.然后,再结合voc2012数据集进行二次训练微调处理,加快训练收敛速度,使用自定义数据集能有效检测特定场景目标,能够有效识别远距离场景下视频目标物体.实验结果表明,改进的网络检测模型适用于远距离目标检测,减少计算量,降低硬件内存资源消耗,提高网络模型性能和检测精确度,具有较好的鲁棒性.     

面向客运车站环境监测的WSN覆盖策略

客运车站环境的监测对于保障车站安全运营和为旅客提供舒适出行具有重大意义.基于无线传感器网络(WSN)的客运车站环境监测全覆盖策略,依据被监测区域中已部署的传感器节点对区域进行Voronoi划分,计算Voronoi图中三角形的覆盖比,提出基于Voronoi三角形覆盖比的全覆盖算法,该算法通过逐个添加新的传感器节点修复覆盖空洞.仿真结果表明:所提算法在实现监测区域全覆盖的同时能够有效减小由于大量部署传感器节点所造成的覆盖冗余.     

任意m×n阶cobweb网络的等效电阻研究

采用递推变换(RT)方法研究了一类任意m×n阶cobweb网络的等效电阻.首先采用网络分析建立递推矩阵方程模型(包括边界条件方程模型),其次构造矩阵变换获得矩阵的特征值和特征向量以便获得矩阵方程的通解与特解,最后利用矩阵逆变换给出支路电流的解析解,从而获得任意m×n阶cobweb网络任意2节点间的等效电阻公式,所得结果是由特征值构成及单求和表达.作为公式的应用,给出了等效电阻公式在特殊情形下的数个结果,并且给出了任意半无限和无限情形时的数个新的等效电阻公式,在与其他结果比较时发现了一个新的三角函数恒等式.     

基于低通滤波网络减小PCB上互连线间串扰方法的研究

针对印刷电路板(PCB) 上高速信号线与电源线间的串扰问题,提出了运用简洁的RC 低通滤波网络减小互连线间串扰的方法.在分析串扰抵消原理的基础上,对传输电源信号的互连线终端串接一阶RC 低通滤波电路网络,对来自于干扰线上的串扰信号进行滤波,从而减小串扰来保证电源信号的稳定;通过理论分析,给出滤波电路中 RC 取值的近似计算公式.仿真与实验结果表明,所设计的方法在频率低于660MHz 时,可使串扰减少10dB 以上;当频率范围为660M ～ 1. 22GHz 时,串扰减少6-10dB;当频率范围为1. 23G-3G 时,串扰减少2-6dB.本文提出的方法与传统通过使用物理结构减小串扰的方法相比,串扰减小的效果比较明显,且电路易于实现,成本较低.     

基于内容流行度的移动CCN缓存策略研究

近年来,为了适应互联网应用由发送者驱动的端到端通信模式向接收者驱动的海量内容获取模式的转变,并从网络体系架构层面提供对可扩展和高效内容获取的原生支持,研究界近年来提出以内容为中心的新型网络(content-centric networking,CCN)体系架构,它能够高效地支持未来互联网上的内容分发.随着移动用户数量的不断增加,未来移动用户也将访问CCN网络,针对内容中心网络中的用户移动性问题,提出了一种基于内容流行度的移动性缓存策略.该策略考虑用户移动性,利用半马尔科夫模型对用户移动性进行建模,同时采用多元线性回归模型对内客流行度进行预测,结合用户移动性与原有内容流行度提出一种移动性缓存策略.仿真实验表明,移动性的加入会对内容的流行度产生较大的影响,该策略能有效地提升缓存命中率.     

基于流类型的SDN数据平面故障恢复算法

软件定义网络(software defined networking,SDN)的网络拓扑中,链路故障恢复目标是保证故障恢复时延在可容忍范围内、减少数据包丢失和节约交换机存储资源.现有研究方法对链路故障恢复考虑了恢复时延、数据包丢失率、网络吞吐量等因素,没有考虑数据流对网络带宽的要求及运营商/用户的一些特殊限制.为了解决以上问题,同时满足故障恢复时延要求和运营商/用户定制化需求,提出了基于流类型的SDN数据平面故障恢复算法(failure recovery algorithm based on flow type in SDN data plane,FR-FT).该方法根据服务质量要求将数据流分为3类,将运营商/客户的定制化需求绑定到不同数据流上,根据对应约束条件对不同类型数据流制定不同故障恢复策略.仿真结果表明,该方法可以减少交换机流表项消耗、故障恢复时延、数据包丢失率.