变信息率线性网络编码的构造

变信息率网络中,信源在不同时刻发送的消息分组数不一样,当信源到一非信源节点最大流不小于该信息率时,要求非源节点能恢复出信源消息。针对这一问题,从网络消息分组传输的角度出发,推导出了全局和局部传输矩阵,由此获得了利用网络编码实现变信息率网络有效通信的条件,并给出了构造变信息率线性网络编码的方法。而且,所构造的变信息率线性网络编码也适用于链路会发生故障的网络,能有效保证网络的稳健性。     

基于微分进化算法的层间等级网络编码优化

层间等级网络编码是一种联合利用信源分层编码与组播间线性网络编码优势的多速率线性网络编码技术.与分层组播网络编码相比,层间等级网络编码能够进一步提高异构信宿网络的资源利用效率.然而,网络中各链路上进行的编码类型,是影响层间等级网络编码多速率传输性能的决定性因素.本文面向单信源异构信宿网络,研究层间等级网络编码的优化;基于微分进化算法,提出了一种最优编码类型配置的快速搜索方案.该方案充分体现了信源输出链路上进行的层间等级网络编码对整个网络传输性能的影响;具体设计了符合层间等级网络编码本质特性的微分进化操作.实验结果表明,与现有的启发式算法相比,本文提出的基于微分进化算法的层间等级网络编码优化方案,能够为单信源异构信宿网络获得更高的网络总吞吐量.     

一种新的无线mesh网络编码算法

针对网络编码可以在很大程度上提高网络吞吐量,但会增加网络的复杂性这一问题,构造了一个特殊的无线mesh网络拓扑结构,提出一个新的编码算法.该算法通过构造一个虚拟源节点,利用在无线组播网络中,仅需对进入中继节点的链路进行编码,进入目标节点的链路,直接路由选择就能达到网络编码所能够达到的容量.从而允许与目的节点相连接的中继节点收到数据包后直接路由选择.与传统的基于机会的网络编码COPE算法相比,该算法有效地减少了原始数据包传输的次数,从而提高了以网络编码增益来衡量的网络吞吐量.仿真试验验证了该算法的有效性.     

融合压缩感知与网络编码的多速率与变速率传输

结合压缩感知与网络编码的优势,面向单信源异构信宿网络,研究压缩感知观测数据基于线性网络编码的多速率与变速率传输.研究压缩感知观测矩阵与网络编码全局编码核矩阵的联合等效,设计了一种融合有限域压缩感知与线性广播网络编码的精细粒度多速率传输方案;研究压缩感知观测矩阵、线性广播类型保持降维转换矩阵和网络编码全局编码核矩阵的联合等效,基于有限域压缩感知与变速率线性广播,为多媒体数据设计了一种变速率-多速率传输方案.     

基于网络编码的多源多核点光组播路由算法

针对现有多源组播网络编码路由方法的链路代价、波长消耗等性能受目的节点数目变化影响过大的问题,提出一种基于网络编码的多核组播路由算法。该算法通过选取多个核点构造编码子图,并将为目的节点选择的核心节点设为解码节点,以减小目的节点数量对编码子图大小的影响。结果表明,在目的节点较多的多源网络中,该算法能有效地减少网络总链路代价和波长资源消耗。     

一种改进Logistic混沌序列安全网络编码设计

针对多源组播带宽利用率较低和构造算法收敛时间过长的不足,提出了确定线性逐层构造算法.该方案只需通过一次试播,即可逐层构造各个编码节点的编码系数,并对出现数据冗余的链路进行修剪枝操作,最终使信宿端接收到的全局编码矩阵满秩,从而顺利解码.针对网络编码中的全局窃听攻击和污染攻击,从密码学角度出发,提出了一种基于混沌序列的安全网络编码方案,通过改进Logistic混沌序列对原始消息的最后一维数据进行加密,并利用m序列扰动混沌序列构造全局编码矩阵,实现将加密的原始信息与全局编码矩阵线性组合进行传输并在信宿端点构造线性列表,对污染信息进行过滤.通过仿真与数据分析可得:该方案提高了多源组播的通信效率,在抵抗全局窃听攻击的同时,还可以滤除污染信息,使网络的安全性进一步得到提高.     

一种新的无线mesh网络编码算法

针对网络编码可以在很大程度上提高网络吞吐量,但会增加网络的复杂性这一问题,构造了一个特殊的无线mesh网络拓扑结构,提出一个新的编码算法。该算法通过构造一个虚拟源节点,利用在无线组播网络中,仅需对进入中继节点的链路进行编码,进入目标节点的链路,直接路由选择就能达到网络编码所能够达到的容量。从而允许与目的节点相连接的中继节点收到数据包后直接路由选择。与传统的基于机会的网络编码COPE算法相比,该算法有效地减少了原始数据包传输的次数,从而提高了以网络编码增益来衡量的网络吞吐量。仿真试验验证了该算法的有效性。     

基于低密度校验码的分布式信源编码算法

为充分利用信息采集网络中信源的相关性,有效解决采集设备的存储能力和计算能力受限的问题,提出了一种基于低密度校验码(LDPC)的分布式信源编码算法,将编码复杂度转移到解码端,在保证解码输出质量的基础上有效降低信源编码复杂度.该算法针对高斯信源,基于陪集分割原理,采用LDPC实现.实验结果表明:相对于网格码和Turbo码,该算法更加直观、简单,且在相关信噪比较低时具有明显的优势,当符号错误率为10-3时,相对于网格码和Turbo码,信噪比分别有3.0~3.5dB和0.7dB左右的改进.     

非对称多信源音频编码算法研究

多信源音频编码是指多个相关音频信源的独立编码和联合解码.它基于分布式信源编码定理,利用信道编码原理和信源之间的相关性实现信源的压缩编码,能在保证输出质量的基础上有效降低编码的复杂度.设计了一种非对称的多信源音频编码算法并进行了分析和仿真.结果表明:该算法编码简单且具有良好的性能.     

基于模拟退火遗传算法的网络编码优化研究

网络编码技术能够减少数据传输次数,提高网络吞吐量和传输效率.但使用网络编码后,节点需要增加额外的编码操作,增加了节点的复杂度和开销.本文提出基于模拟退火遗传算法的网络编码优化算法SAGAS.SAGAS引入基于模拟退火的个体接受机制,保证种群在遗传进程中的多样性,避免种群陷入局部最优.在遗传操作中,SAGAS利用网络转移矩阵指导染色体的遗传操作,避免无效遗传操作,提高算法的收敛速度.仿真结果表明,与标准遗传算法相比,本文提出的算法能够在更短的时间内寻找到更少编码边的网络编码方案.     

基于混合核函数支持向量机的回归模型

基于支持向量机核函数的条件,将Sobolev Hilbert空间的再生核函数和Sig核函数进行有效的线性混合,给出一种新的支持向量机的混合核函数,并提出一种基于再生核的混合核函数支持向量机回归模型,该回归模型兼具了全局核函数与局部核函数的优点,且算法的复杂度被降低.仿真实验结果表明:最小二乘支持向量机的核函数采用基于再生核的混合核函数是可行的,回归的效果比单核函数可以更为细腻.     

无线传感器网络中的分布式节点定位方法

提出一种基于流形学习的分布式Hessian局部线性嵌入（DHLLE）定位方法,给出了基于流形学习算法的定位框架.DHLLE方法采用同情最邻近算法来选择节点邻居列表,并应用Hessian局部线性嵌入（HLLE）算法获取传感器网络节点的局部映射,再通过对局部映射合并获得所有节点的全局映射,最后通过对参考节点进行坐标匹配以取得所有节点的全局坐标.仿真结果表明,DHLLE方法能够快速、准确地对节点进行定位,且复杂度低,节点能耗小,其性能超过了分布式加权多维定标等算法.     

实现适应性系统管理的分布式多智能体框架

为了应对动态、多变环境给管理系统带来的复杂性，提出了基于分布式范型的多智能体框架．该框架由多个分布式智能体结点组成，结点间通过消息传递与会话机制来实现分布式的合作与协同．结点内的功能主体使用了基于信念机制的内核结构，使得每个结点在以目标驱动的方式展开各种诊断与恢复的同时，仍能以反应驱动的方式对环境的变化做出反应，从而高效地实现了本地适应性管理．通过一个网络资源管理实例的分析证明，在复杂、动态的环境下所提框架能有效地实现可扩展的适应性系统管理．     

无线传感网络多节点通信链路质量检测算法

为提升无线传感网络的扩展性和通信性能,研究无线传感网络多节点通信链路质量检测算法。基于稳定路由协议设计了无线传感网络多节点通信链路质量检测算法,利用通信节点分析报文确认邻居节点间距,通过非参数局部线性核平滑方法依据邻居节点间距建立信号获取平滑后的信号接收强度。判断无线传感网络中的节点是否来自上游节点分组的平滑后信号接收强度后,采取滑动窗口局部多项式拟合方法建立链路质量检测模型,通过链路质量检测结果判断无线传感网络中该链路中通信节点移动状态,通过通信节点移动状态判断链路质量。实验结果表明,采用该算法可准确检测无线传感网络多节点通信链路质量,且在节点数量增加时检测效果依然良好,具有较好的扩展性。     

KPCA与LTSA融合的转子故障数据集降维算法

针对核主成分分析(kernel principal component analysis,KPCA)和局部切空间排列算法(local tangent space,LTSA)在降维过程中无法兼顾保持数据全局结构特性和局部结构特性的问题,利用核函数的可线性叠加性质,提出一种将KPCA算法与LTSA算法融合的非线性降维算法....     

一种基于粒子群优化和核极限学习机的入侵检测算法

针对网络入侵检测准确率低、误报率高的问题,本文提出了一种基于粒子群优化和极限学习机的入侵检测算法。粒子群优化算法(PSO)是一种群智能算法,核极限学习机(KELM)是一种学习速度快、泛化能力强的经典核机器学习的方法,但是极限学习机对核函数及参数的选择直接影响它的分类性能。本文算法中利用粒子群算法优化核极限学习机的核参数,采用学习能力强且线性组合泛化能力强的全局性核函数,形成了多核极限学习机,可以有效提高单核极限学习机（ELM）分类器的性能。最后通过实验对算法性能做了对比分析,实验结果验证了本文算法的有效性。     

差分进化花朵授粉算法的WSN节点部署策略

针对无线传感器网络（wireless sensor network,WSN）的节点部署问题，提出了一种基于差分进化算法（differential evolution algorithm,DEA）优化的花朵授粉算法（flower pollination algorithm,FPA）：DE-FPA。设计了动态转换概率，自适应平衡全局授粉和局部授粉间的相互转换，提高算法全局搜索能力。优化了全局授粉过程中的步长缩放因子，进一步提高算法收敛速度。为避免算法陷入局部极值，在每次全局授粉或者局部授粉迭代后引入差分进化策略，增加种群多样性，提高了算法搜索能力。实验结果表明，DE FPA收敛速度快、寻优精度高，能够在网络连通的约束条件下，达到较高的网络覆盖率。     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network was designed and implemented. The neural network is trained by genetic algorithm, and then genetic neural network algorithm is combined with the virtue of global optimization of genetic algorithm and the virtue of parallel computation of neural network, so that this algorithm is of good global property. The experimental results show that this method can get much faster and more accurate detection results than the classical differential algorithm, and has better antinoise performance.