基于ZigBee的低功耗蔬菜大棚远程无线传感测控系统

针对现有的智能蔬菜大棚造价成本高,设备电池使用寿命短,远程自动化控制程度较低等问题,基于ZigBee无线传感器网络,对现有的蔬菜大棚进行智能化改造,设计了一套集低功耗数据监测采集、自动灌溉于一体的远程设备监控系统.系统经过联调测试,终端节点的休眠功耗达到了μA级别,解决了设备电池使用寿命短的问题,达到了延长设备使用寿命的要求;系统与微信公众号结合实现了远程监控的功能,可以实时查看监测数据,远程控制设备,解决了传统的智能蔬菜大棚远程自动化控制程度低的问题.与传统系统相比实现了超低功耗运行,为蔬菜大棚的可感知智能控制提供了新的技术手段.     

基于GPU的PCA人脸识别系统设计

针对实际人脸识别系统需要满足实时性的应用需要,探讨了在图形处理器(GPU)硬件架构基础上的基于主成分分析(PCA)人脸识别系统设计与实现.结合统一计算设备架构(CUDA)的计算平台,通过将算法中耗时长、适合并行的部分过程映射到GPU上并行执行改进系统的加速实现.实验结果表明:相对于基于CPU平台的串行实现,基于GPU的实现在整体上能够获得约5倍的加速,而两个执行并行的模块能分别获得最大20倍和30倍的加速.     

命名数据网络中基于多级计数Bloom过滤器的名字查找方法研究

针对目前NDN中大多数基于Bloom过滤器的名字查找方法仅考虑速率而忽略冲突概率的局限,提出了一种考虑名字冲突概率并基于多级计数Bloom过滤器的名字查找方法.该方法的实验结果表明:相对于目前广泛研究的计数Bloom过滤器、哈希函数和d-left计数Bloom过滤器,所提方法能有效降低冲突概率.     

高能效认知自适应两阶段协作频谱感知算法

针对协作频谱感知技术存在产生多余的传输开销和次用户能量消耗的不足,提出了结合双阈值能量检测模型和两步检测模型的自适应协作频谱感知(CATS)算法,在保证检测性能的前提下降低能量消耗.首先给出了CATS的数学模型,然后对CATS的检测概率和能量消耗进行了理论分析.CATS在第一阶段的检测结果不准确的情况下,才执行第二阶段的感知,并根据第一阶段的检测结果以及网络状况自适应调整两个阶段参与协作的次用户数目.仿真结果表明:与现有的两步检测协作模型相比,CATS算法在保证系统检测精度的同时能够有效减少系统的能量消耗.     

网格空间瓶颈斯坦纳树问题快速近似（英文）

指出了瓶颈斯坦纳树问题要求寻找一棵用至多k个斯坦纳点将n个点连接起来使得此斯坦纳树之最长边最短的斯坦纳树,该问题在VLSI、无线通讯网络和生命演化树重建等领域都有应用.Du和Wang证明网格空间瓶颈斯坦纳树问题是NP-Hard,不存在近似性能比低于2的多项式时间解决方案,并且提出一个近似性能比为2的多项式时间近似算法,算法的实际时间复杂度为O(nlog2n+kn+k2).通过引入二叉堆和斐波那契堆使算法的时间复杂度分别改进到了O(nlog2n+klog2n)和摊还时间O(nlog2n+klog2n).该改进可直接应用于欧几里得平面的瓶颈斯坦纳树2-近似算法.     

基于Cacti与飞信的网络实时报警平台

针对在无人值守的情况下,如何将网络突发故障及时通知给网络管理人员以便快速响应的问题,提出了基于Cacti与飞信的网络实时故障报警平台.利用Cacti的SNMP信息轮询机制,实时获取当前网络中的设备故障与恢复信息,通过发送飞信的方式将故障信息传递到网络管理人员的手机终端.运行结果表明,网络管理人员排除故障时间大大缩短,管...     

k-means聚类算法的MapReduce并行化实现

针对k-means聚类算法特点,给出了MapReduce编程模型实现k-means聚类算法的方法,Map函数完成每个记录到聚类中心距离的计算并重新标记其属于的新聚类类别,Reduce函数根据Map函数得到的中间结果计算出新的聚类中心,供下一轮MapReduce Job使用.实验结果表明:k-means算法MapReduce并行化后部署在Hadoop集群上运行,具有较好的加速比和良好的扩展性.     

基于电流反馈的双通道忆阻器写操作方法

提出了一种基于电流反馈控制的双通道忆阻器写操作方法,利用镜像电流源分别作用于参考通道和忆阻通道,讨论了参考通道对写操作精确度的影响,并与一种经典的电压反馈控制忆阻器写操作方法进行数值分析和电路仿真比较.结果表明:这种方法对忆阻器的写操作将具有更好的准确度和可靠性,证明了这种具有参考通道的忆阻器写操作方法的可行性.     

一类亚纯函数的主部分解方法

探讨了复分析中关于亚纯函数的主部分解问题,并利用留数得到了一类仅具有一阶极点的亚纯函数主部分解的具体方法.     

网格环境下基于免疫克隆策略的资源分析和任务调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源.因此计算任务在各种资源之间的调度成为了一个关键的问题.将遗传算法和免疫克隆算法结合起来,充分发挥各自的优势,先通过克隆操作来产生一组新的个体,然后再独立地对所产生的各个体进行克隆变异,克隆交叉操作,从而求得问题的最优解.实验结果表明,这种并行遗传免疫克隆算法全局寻优能力强,能有效地实现资源的负载均衡,可以成功地应用于网格任务调度中.