大规模多模式交通网络构建方法对比分析

针对目前大规模多模式交通网络构建方法对比研究的不足,对不同构建方法在计算效率与结果上的差异展开研究.首先,在6个不同规模公交网络上对比了公交区段和超路径2种网络表达方法对扩展网络规模的影响.其次,提出了公共交通站点与路网匹配连接方法,并使用节点压缩方法创建衔接网络.最后,在大规模多模式交通网络上,计算了10万对出租车载客行程OD的3种最短路径,并将其广义时间费用与实际出租车行程比较.研究结果表明：在计算耗时方面,路线>超路径>简单路径;在平均最短路径费用方面,简单路径>路线>超路径;与实际出租车行程相比,简单路径、路线和超路径最短路径费用更低的OD对比例分别为39.21%、41.29%和42.83%.     

非稳态拓扑下的机会网络分层模型

为了解决在消息敏感的机会网络中社团划分结果不可重用的问题,提出了一种与消息类型相匹配的机会网络分层模型.首先,将机会网络的物理节点集映射为与消息类型匹配的虚拟节点集,并以此为基础建立虚拟机会网络层;然后,在虚拟机会网络层上,建立虚拟节点集的社会关系;最后,对虚拟节点集的社会关系进行社团划分.实验结果表明:在消息数量相同的条件下,当消息序列中相邻位置消息的类型差异度分别为40%和100%时,在虚拟层上进行社团划分的时间与在物理机会网络上直接进行社团划分的时间相比分别减少约58%和89%;基于分层模型的社团划分的运行次数仅依赖于消息类型的数量,而不会随消息数量或消息序列中不同类型消息交错方式的变化而变化.     

基于改进高分辨率网络的人脸性别和年龄识别

针对目前利用人脸特征进行性别和年龄识别率较低的问题, 提出一种基于改进高分辨率网络(improved high-resoultion net, IHRNet)的新方法. 首先, 在IHRNet中融合具有少量参数和较高识别率的MobileNetV3结构, 结合高分辨率网络自身具有的多尺度特征提取优势, 有效提升了人脸特征识别的准确率; 其次, 为降低过拟合风险, 网络先采用IMDB-WIKI人脸数据集进行预训练, 然后加载预训练模型在Adience人脸数据集中进行训练和测试; 最后, 与ResNet50,HRNet,MobileNetV3三种同类算法进行对比. 实验结果表明, IHRNet在年龄及性别识别上的准确率分别高达82%,95%, 比同类算法分别平均提升9%和3%, 且参数量较未改进时下降36%, 验证了改进算法的有效性.     

基于改进高分辨率网络的人脸性别和年龄识别

针对目前利用人脸特征进行性别和年龄识别率较低的问题, 提出一种基于改进高分辨率网络(improved high-resoultion net, IHRNet)的新方法. 首先, 在IHRNet中融合具有少量参数和较高识别率的MobileNetV3结构, 结合高分辨率网络自身具有的多尺度特征提取优势, 有效提升了人脸特征识别的准确率; 其次, 为降低过拟合风险, 网络先采用IMDB-WIKI人脸数据集进行预训练, 然后加载预训练模型在Adience人脸数据集中进行训练和测试; 最后, 与ResNet50,HRNet,MobileNetV3三种同类算法进行对比. 实验结果表明, IHRNet在年龄及性别识别上的准确率分别高达82%,95%, 比同类算法分别平均提升9%和3%, 且参数量较未改进时下降36%, 验证了改进算法的有效性.     

一种基于改进遗传算法的WSN负载均衡聚类算法

针对无线传感器网络簇首需承担额外负载的问题,为了最大化网络寿命,提出了一种基于改进遗传算法的聚类算法.首先,将染色体表示为网关的一个字符串,通过考虑传感器节点与簇首之间的连接限制初始化种群;然后,构建适应度函数来评估初始种群的各个染色体;最后,利用遗传算法对染色体进行选择、交叉、突变,利用迭代算法完成聚类.结果表明,相比分布式自组织负载均衡聚类算法,本算法的执行时间可降低18.5%;相比基站控制自适应聚类算法,本算法收敛速度可提升50%;相比低占空比多管道调度算法,本算法平均负载标准差降低了81.2%;当网络轮数达到2 500时,相比其他几种较新的算法,本算法可降低至少40%的能耗.因此,本算法在WSN应用中可以很好地解决额外负载问题,延长了网络寿命.     

TCP在数据包随机延迟网络中的性能分析

TCP数据包在网络传输中发生错误有两种形式:丢包与延迟.已有的成果大多只对TCP在丢包网络中的性能进行了建模,缺少对TCP在随机延迟网络中的建模问题的研究,为此提出了一个TCP在随机延迟网络中的性能分析模型.首先给出并证明了判断数据包流是否为正序的充要条件;然后利用该条件得出数据包流正序出现的概率;最后根据模型分析了TCP在随机延迟网络中的性能.实验结果表明,所得出的数据包流在发生随机延迟后正序的概率与实验网络基本吻合,所提出的模型与不考虑延迟的模型相比,对TCP最大拥塞窗口均值的预测误差降低了43%,对其网络吞吐量性能的预测误差降低47%.     

基于二阶池化特征融合的孪生网络目标跟踪算法

为提升基于孪生网络目标跟踪算法的特征表达能力,获得更好的跟踪性能,提出了一种轻量级的基于二阶池化特征融合的孪生网络目标跟踪算法。首先,使用孪生网络结构获取目标的深度特征;然后,在孪生网络结构的末端并行添加二阶池化网络和轻量级通道注意力,以获取目标的二阶池化特征和通道注意力特征;最后,将目标的深度特征、二阶池化特征和通道注意力特征进行融合,使用融合后的特征进行互相关操作,得到地响应图能很好地区分目标和背景,提高跟踪模型的判别能力,改善目标定位的精度,从而提升跟踪性能。所提算法使用Got 10k数据集进行端到端的训练,并在数据集OTB100和VOT2018上进行验证。实验结果表明,所提算法与基准算法相比,跟踪性能取得了显著提升：在OTB100数据集上,精确度和成功率分别提高了7.5%和5.2%;在VOT2018数据集上,预期平均重叠率(EAO)提高了4.3%。     

基于用户关系网络表征学习的服务推荐方法

网络嵌入学习是深度学习的一个热门分支,它将网络节点映射到一个拓展的低维向量空间。针对用户共用标签网络和社交网络,利用表征学习方法得到用户标签标注关系和社交关系的向量表征,并提出一种新的服务推荐方法。该方法利用用户的向量表征得到相似用户集,由最终得到的用户特征信息返回Top-k个相似用户,并根据相似用户的偏好情况向目标用户推荐合适的服务。为验证方法的可行性,在公开数据集Delicious和Last.FM上进行了实验,结果表明:相比4种基准方法,文中方法准确率可提升13%,召回率提升18.6%,F-measure值可提升13.1%;在学习用户表征向量时,用户之间共用标签关系与社交关系同样重要;推荐过程中,为目标用户返回的相似用户值在[25,30]区间更为适宜。     

基于路由器的RED和Droptail算法比较

弃尾(Droptail)和随机早期检测RED(Random Early Detection)算法是目前路由器中采用的两种重要的队列管理算法.为了在路由器中广泛应用RED算法取代Droptail算法提供依据,对两种算法的性能和实现条件进行了对比研究.使用网络仿真平台NS2(Network Simulation Version 2),首次在缓冲区大小相同的条件下,证明了RED算法在网络拥塞控制、提高网络性能及利用率等方面较Droptail算法有很大提高.仿真结果表明,RED算法与Droptail算法相比,平均队长缩短32%;传输延时减小50%以上;网络净吞吐量提高13%;丢包率降低13%;并能在一定程度上避免发生"全局同步".     

基于动态Bayesian网络的基因调控网络建模

为了精确建模与推断基因调控网络,提出一种基于动态Bayesian网络的多数据融合方法(SP-DBN).该方法利用结构期望最大算法进行未知结构学习,基于粒子滤波方法完成参数学习,可有效处理数据缺失与噪声问题,更好地捕捉数据中固有的动态特性,并通过其先验结构,在基因表达数据的基础上,自然地融合转录因子绑定位点等多数据源信息.基于酿酒酵母的真实数据,实验结果表明: 对于仅采用基因表达数据的情况, SP-DBN的敏感度与特异度分别提高到19%和95%;融入绑定位点数据后, SP-DBN的敏感度可从19%进一步提升至20%, 而特异度则仍保持在95%的水平.     

基于Louvain重叠社区发现算法

重叠社区发现技术对于分析网络社区间关系具有重要意义,本文提出了基于Louvain重叠社区发现算法,该算法在Louvain算法的基础上使用模块度Q的增益度函数dq判断节点是否具有重叠性,并且发现重叠社区;设计实验验证该算法,使用经典数据集American College Football对该算法与常用重叠社区发现算法CPM、LFM和COPRA进行实验对比,结果表明:增益度函数dq能判断重叠节点,且通过找到社会网络中的重叠节点发现重叠社区;该算法在重叠模块度EQ上比CPM、LFM和COPRA算法分别提高17.05%、12.81%和9.45%,在运算时间上比CPM算法、COPRA算法分别增加了12.62%、7.15%,比LFM算法减少了23.06%,表明在综合重叠模块度EQ与算法时间上,本文基于Louvain重叠社区发现算法都优于其他的算法。     

一种基于网络坐标的低成本WSN绿色位置路由

现有无线传感器网络的绿色位置路由在实际部署中通常存在两大问题:一是利用GPS来获得节点位置信息的成本较高;二是没有评估定位误差对路由性能和节能效果的影响。鉴于此,提出一种定位误差条件下的低成本绿色位置路由算法。其主要思路是:该算法采用分布式网络坐标算法获取节点间相对位置信息,以此节省成本;提出数据收集环机制以缩小邻居候选节点集来降低选择最优中继/转发节点时的能耗,并且采用自适应传输机制扩大节点无线收发范围以提高数据包投递率。仿真结果表明,该算法的定位误差明显低于MDS和MDS-MAP,而其路径能量消耗和数据包投递率较LED算法相比分别降低43%和提高55%左右。     

一种高吞吐低延迟片上互连网络路由器

本文提出了一种用于片上互连网络的低延迟高吞吐量动态虚拟输出队列路由器,该路由器可以利用前瞻路由计算和虚拟输出队列方案将路由器延迟减低到两个周期.仿真结果表明,与虫孔路由器和虚通道路由器相比,4×4网格上的网络吞吐量分别提高了46.9%和28.6%,并且在相同输入加速比下,性能比双缓冲虚通道路由器要高1.9%.在随机合成流量下,片上网络的零负载延迟也分别降低了25.6%和41%.设计实现结果表明,路由器的工作频率可以达到2.5 GHz.     

基于MPLS VPN虚拟子网划分技术的电子政务平台

在MPLS VPN(Multi Protocol Label Switch,Virtual Private Network)网络中,当PE(Provider Edge Router)向边缘方向扩展时,需要维护更多的路由条目,大量浪费了开支和带宽利用率.为此采用MPIS VPN的PE分层体系结构HoPE(Hierarchy of PE)解决方案,给出了实际组网设计和具体参数的配置.结果表明,该设计成功搭建了安全可靠,能够承载数据、语音、视频等多媒体业务并能满足政府业务需求的多功能电子政务平台.其MPE(Middle-level PE)路由表条目缩小了90%,CPU利用率由38%降低到6%;UPE(Underlayer PE)设备路由表条目缩小了99%,CPU利用率由35%降低到5%;网络投资降低了89%.     

基于改进胶囊网络的过程控制攻击检测方法

为解决传统入侵检测算法无法准确识别过程控制攻击的问题,提出一种基于改进胶囊网络的过程控制攻击检测方法。该算法利用多层卷积在提取复杂输入特征方面的优势,将原始流量转化为灰度图像进行初级特征提取;同时引入残差连接以解决梯度消失问题,利用胶囊网络特有的动态路由机制对初级特征进行聚类。使用2017 QUT＿S7comm数据集进行实验。结果表明：所提方法在测试集上的准确率可达94.64%,在验证集上对各类攻击的识别准确率均在90%以上,实验证明所提方法可以有效预防针对工控系统的过程控制攻击。     

基于注意力机制归纳网络的小样本关系抽取模型

针对小样本关系抽取问题,提出一种基于注意力机制的归纳网络.首先,利用归纳网络中的动态路由算法学习类别表示;其次,提出实例级别的注意力机制,用于调整支持集,并获取支持集与查询集样本之间的高级信息,进而获得与查询实例更相关的支持集样本.该模型很好地解决了训练数据不足时如何进行关系抽取的问题.在小样本关系抽取数据集FewRel上进行实验,得到的实验结果为：5-way 5-shot情形下准确率为(88.38±0.27)%,5-way 10-shot情形下准确率为(89.91±0.33)%, 10-way 5-shot情形下准确率为(77.92±0.44)%, 10-way 10-shot情形下准确率为(81.21±0.39)%.实验结果表明,该模型能适应任务并且优于其他对比模型,在小样本关系抽取中取得了优于对比模型的结果.     

无线传感器网络分区能耗均衡的非均匀分簇算法

针对在无线传感器网络中分簇算法采用多跳通信方式时,靠近汇聚节点的簇头节点由于转发大量数据而导致自身能量消耗过快且节点易失效,从而造成网络分割,形成"热区"的问题,提出了一种新颖的基于分区能耗均衡的多跳非均匀分簇算法(CEB-UC).其核心思想是:将传感器网络合理分区,使得在靠近汇聚节点分区内的簇数量较多,各簇内传感器节点数较少;在远离汇聚节点分区内的簇数量较少,各簇内的传感器节点数较多,从而保证承担数据中继转发任务的簇头节点能减少自身的簇内通信开销,节约的能量可供簇间数据转发使用;任意分区的簇头节点在选择下一跳中继节点时可综合考虑候选节点的位置及剩余能量.实验以HEED、LEACH、PEGASIS、EAR-ACM等协议为参照,结果表明,当节点使用不同的数据融合策略时,CEB-UC算法能有效平衡网络节点能耗,延长网络部署半径,降低17%～41%的簇头节点能耗,提高24%～53%的网络寿命.     

基于改进BiSeNet的室内障碍物图像语义分割方法

针对室内机器人行驶场景中存在大量不规则形状障碍物及细小类障碍物的问题,提出一种基于改进双边分割网络(BiSeNet)的图像语义分割方法．即以BiSeNet为基础网络构建图像分割模型,一方面在其空间路径中融合可变形卷积,使其更加适应对可通行区域和水渍这类不规则形状目标的定位分割;另一方面在其语义路径中结合特征金字塔结构,提高对细小类障碍物的分割精度;最后在室内多类障碍物图像数据集上,将改进的BiSeNet算法与U-Net,PSPNet等算法进行对比实验,结果显示改进的BiSeNet算法对水渍类障碍物的分割像素准确率达到89.95%,比原BiSeNet算法分割精度提高约3.50%,与UNet,PSPNet等算法相比,改进的BiSeNet算法同样具有更高的分割精度．     

基于广义意见动态模型的社交信任网络意见最大化问题

提出了一种广义意见动态模型（GODM），此模型可以通过动态计算每个人的表达意见来解决社交信任网络中的意见最大化问题。在模型中提出了一个新的、合理的、可解释的自信指数${\alpha _{{i}}}$，${\alpha _{{i}}}$由个人的社会地位与其周围人的评价共同决定。并且利用对角占优理论，得到模型达到纳什均衡状态时的最优解析解。设计了一种具有l₁ 形式的交替方向乘子法来最大化现有的总体意见。进行了一系列实验，实验结果表明，此方法在4个数据集上都有较好的结果。在4个数据集上，解决内部意见问题的平均效益分别提升了 66.4%，88.7%，47.8% 和 34.1%。实验结果充分验证了所提模型的优越性。     

基于时序互信息构建基因调控网络

为构建基因调控网络,提出了一个基于时序互信息学习动态贝叶斯网络结构的学习算法.在计算基因间的时序互信息时,该算法考虑了时间序列微阵列数据的时间特性,并利用协方差矩阵计算互信息,没有将基因表达数据离散化,与基因表达数据的连续性相符合.在酵母菌周期细胞的实验数据上测试该算法,灵敏度为66.7%;该算法构建的基因调控网络与KEGG数据库中的网络相比较,发现了Cdc28与Cdc20、Chk1与Rad9的调控关系,这些调控关系在相应的生物学实验中得到验证.