基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

图像形态相关系数一般问题的研究

在将图像视为分片函数及分片向量函数的表示形式下,通过图像强度和几何形状两个因素描述图像特征,研究了图像的相似性度量问题.采用标准空间作为投影空间,探讨了分片函数及分片向量函数图像模式下投影算子及形态相关系数建立的方法,所得到的结果推广了Mosaic图像相关系数的表示形式.对分片向量函数所表示的图像形态相关系数的研究结果则更具一般性.     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理，最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法，在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像，并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合，最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理，保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比，由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明，经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好，且明显缩短运算时间。     

乌江水系典型小流域年径流序列变化规律及周期特征分析

小流域河川径流序列的变化规律及周期特征分析,对小流域水利工程建设、水资源开发利用等具有重要的现实意义。基于乌江吊水岩冲沟1961—2014年天然径流序列,通过基尼系数、累积距平法、Mann-Kendall法、Morlet小波分析法等方法分析研究了年径流序列的年内分配、趋势特征、突变特征及周期特征。结果表明:吊水岩冲沟年径流年内分配大部分相对合理,部分径流年内分配差距较大;吊水岩冲沟年径流量呈不显著减少变化;年径流量丰枯转变频繁,突变多发生于1992—1998年;年径流量存在明显周期特性,第一主周期为23 a,次周期为17、6 a。研究成果可为小流域水资源开发利用提供依据。     

基于提升小波变换和离散余弦变换的彩色图像水印算法

针对一些图像水印算法不可见性与鲁棒性不易平衡的问题,提出一种基于提升小波变换和离散余弦变换相结合的水印算法。首先提取载体图像的边缘特征构造二值水印图像,并使用Arnold变换和Logistic混沌映射对水印图像进行加密。然后,将RGB图像转到YCuCv空间,对Cv通道进行提升小波变换(LWT)和分块离散余弦变换(DCT)。最后将加密的水印嵌入每个DCT变换块的低频系数中。实验结果表明,嵌入水印的图像峰值信噪比(PSNR)值均高于43 dB,进行各种常见攻击后归一化相关系数(NC)值接近1。因此,所提出的方案具有较好的水印不可见性,同时对不同的攻击具有较强的鲁棒性。     

取水监测数据的奇异值识别与修正策略

提高水资源监测数据的真实性与完备性是国家水资源监控能力建设的重要内容.本文基于当前国家水资源监控数据的实际统计状况,提出采用小波变换模极大值的方法实现对取用水监测数据的降噪和奇异值的挖掘,并将辨识出的奇异值进行剔除处理后的监测数据序列作为粒子群-最小二乘支持向量机模型的训练样本,进而根据拟合函数对奇异值进行修正的策略.通过对重点取用水户的取用水监测数据进行实证研究结果发现,利用小波变换模极大值可较大限度地保留取用水监测数据的原始信息,并实现对其中变动幅度偏大数据的分离,可有效降噪并观测取用水监测数据的内在变化规律;同时借助相对误差可进一步挖掘监测数据中存在的奇异值,且辨识效果要好于传统统计方法;而粒子群-最小二乘支持向量机模型对取用水监测数据的样本拟合要比普通最小二乘支持向量机、曲线拟合等方法更为有效,运用该方法修正的取用水监测数据奇异值更加符合实际取用水需求的特点.     

基于遗传算法的频谱池ICI 优化算法

为优化基于小波的频谱池系统中的载波间干扰( ICI: Inter-Carrier Interference) ，提出了一种基于遗传算法的载波间干扰优化方案。采用遗传算法获得最佳权重向量，抑制认知用户子载波干扰能量。该算法可在不牺牲认知用户带宽的条件下，优化认知用户载波干扰能量。仿真结果表明，在满足认知用户目标误码率条件下，明显抑制影响授权用户的载波间干扰，使授权用户获得更好的误码率性能。     

Short-run wavelet-based covariance regimes for applied portfolio management

Decisions on ass et allocations are often determined by covariance estimates from historical market data. In this paper, we introduce a wavelet-based portfolio algorithm, distinguishing between newly embedded news and long-run information that has already been fully absorbed by the market. Exploiting the wavelet decomposition into short- and long-run covariance regimes, we introduce an approach to focus on particular covariance components. Using generated data, we demonstrate that short-run covariance regimes comprise the relevant information for periodical portfolio management. In an empirical application to US stocks and other international markets for weekly, monthly, quarterly, and yearly holding periods (and rebalancing), we present evidence that the application of wavelet-based covariance estimates from short-run information outperforms portfolio allocations that are based on covariance estimates from historical data.