基于LQI均值的WIA-PA网络路由算法研究

WIA-PA网络环境通常恶劣、干扰因素多,对网络路由质量的要求比较高,在以往的WIA-PA网络路由研究策略中没有考虑到链路质量因素。本文为了避免WIA-PA网络中链路质量差的路径转发数据,在AODV路由算法的基础引入了链路质量WMRWMA算法。并针对WMRWMA算法的不足通过LQI均值对WMEWMA优化,提出了一种主动和被动结合适合WIA-PA网络的路由算法。通过实验验证,本文提出的方法吞吐量比AODV算法提高了13%,丢包率上比AODV算法降低了10%,更适合WIA-PA网络环境。     

改进的非局部均值Wiener滤波图像复原算法研究

图像复原在数字图像处理中具有十分重要的意义,针对当前流行的图像复原算法存在复原效果不理想的特点,提出了一种基于图像分离的改进的非局部均值滤波图像复原算法。本算法首先采用基于范数L0梯度最小化复原算法完成对图像平滑部分的复原,然后采用波原子变换来实现对图像细节部分的复原,最后采用改进的非局部均值滤波来处理波原子变换产生的振铃效应和虚假边缘。实验结果表明本复原算法与当前流行的图像复原算法相比,在图像复原的主客观效果上都有一定的提高。
     

基于时间加权标签的协同过滤推荐算法研究

传统的协同过滤推荐算法主要以评分数据为数据源来计算和反映用户的兴趣偏好和资源相似度,并决定是否对潜在用户进行推荐物品。而忽视了用户、资源本身的特征,用户在不同时间对资源的认识和感兴趣程度是会变的。基于这个问题,本研究对传统算法进行了改进,提出了基于时间加权标签的信息推荐算法。该算法的主要思想是标签可被用户依个人偏好进行资源标注,标签代表用户对资源的兴趣特征,以用户集、时间、标签集及物品资源等 4 个量形成的多维关系,可以计算出用户和资源之间的标签特征向量,计算在不同时间段,用户对资源的偏好以及资源相似度,并且依据用户的历史行为来预测用户的偏好,并进行推荐。实验结果显示本算法有效地提高了推荐的准确性,获得了更好的推荐效果。
     

基于贝叶斯网络的个性化关联推荐模型研究

针对关联规则挖掘不能有效进行个性化推荐问题,研究了关联规则挖掘与贝叶斯网络相融合的个性化关联推荐模型,采用历史记录剪枝与贝叶斯网络校验相结合的办法,对关联规则挖掘算法进行改进。在关联规则挖掘过程中,结合用户历史记录,对关联规则中的频繁项集进行筛选,低于给定阈值项集被剪枝,并把剪枝后的项集输入贝叶斯校验网络进行个性化校验,对校验结果排序后按排名先后进行推荐,实现把读者真正喜欢的图书优先推荐给读者,该推荐模型在一定程度上解决了现有推荐系统中个性化较弱的问题。实验表明,贝叶斯网络可以提高关联推荐的个性化程度。
     

一种基于光纤光栅的应力传感器研究

通过将光纤光栅固定在悬臂梁的上下表面,提出一种基于光栅的应力传感器,这种传感器首次提出将光栅通过预紧的方式将其两端粘贴在悬臂梁上,可以有效遏制因光栅应变不均而产生的反射峰啁啾变化,同时能提供温度补偿。通过实验证明了这种传感光栅反射峰的波长变化随应力的增加呈良好线性关系。增加了反射峰之间的距离变化,可达0.65 nm。同时分辨力也有所提高,达到满量程的1%。
     

重庆农民旅游行为研究

运用问卷法和访谈法等实地调研方法,主要从收入对农民旅游行为的影响这一角度,对重庆地域的6个区县8个镇的13个行政村的农民旅游行为作了实证研究。研究结果表明:重庆农民的旅游认知渠道和旅游动机多样,且旅游需求旺盛;农民旅游消费行为层次分明,出游方式多样,旅游地多为重庆市内,对旅游的住宿要求不高,旅游消费比较理性,单次旅游消费总额及各消费段比例较为均衡,花费最贵的项目为餐饮住宿,其次为交通费用;农民的个人经济收入对旅游行为有着极大的影响,具体表现在农民群体的收入越高,旅游动机越是复杂,旅游消费层次也越高。研究呈现出的农民旅游的行为特征,为重庆农民旅游市场的开发和完善提供了依据。
     

基于GERT网络的救灾人员动态优化配置模型研究

针对应急抢险过程中救灾人员紧急需求和动态到达时间的建模问题,运用GERT网络分析方法,建立应急人员动态优化配置模型,分析了人员的动态到达对GERT 网络中事件演化概率转移的影响,给出了基于GERT 网络的应急人员动态优化配置模型的求解算法。结果表明,研究提出的模型和算法能够有效解决应急救灾人员动态优化配置问题,为灾害发展态势的预测及应急人员的储备和动员提供了研究方法和研究思路。
     

基于改进A*算法的地图游戏寻径研究

【目的】对 A*算法进行研究和改进优化,以提高基于 A*算法的地图游戏寻径效率。【方法】使用最小二叉堆和标记数组两种混合数据结构优化OPEN表的存储和遍历,用夹角余弦值作为新的启发信息,减少搜索过程中对非最有节点的考察量,通过仿真实验对标准 A*算法、改进 A*算法地图寻径进行数据对比分析。【结果】综合地提高了路径搜索的效率。【结论】通过对 A*算法进行改进优化,有效提高了基于 A*算法的地图游戏寻径效率。
     

基于粒子群优化的检测网络攻击方法

为了有效判断网络数据包是否存在被攻击的可能性,在以往的研究基础上提出了一种新的检测算法DMPS(Detec-tion method based of particle susarm)。首先该算法根据数据包属性的离散度定义了状态检测指标,并利用粒子群优化方法给出了标准差分布的计算流程,以此判断数据包的异常状况。最后,通过OPNET和Matlab进行仿真实验,深入研究了影响该算法的关键因素,同时对比了与其他算法之间的性能状况,结果表明DMPS具有较好的适应性。
     

基于模式匹配的网页净化方法

新闻网页主要由大量文字描述构成,相比网页其他区域的噪音内容,其主题内容含有大段连贯的文字。根据这一特点提出一种基于模式匹配的网页净化方法,即在网页源代码中匹配最长文字字符串,从而准确定位主题内容源代码在网页源代码中位置,实现网页净化。本方法可去除来自不同网站网页的噪音内容,无需事先训练数据集来生成模板,不需要生成网页DOM树。对同构、异构和不符合XML规范的网页净化,试验证明效果理想且性能稳定。
     

基于DFT变换的强鲁棒性水印算法

数字水印技术己经成为解决数字多媒体中版权问题和内容认证的主要工具，是学术界的研究热点之一。本文在研究DFT（离散傅立叶变换）及HVS（=人类视觉系统）模型在数字水印系统中的应用基础上，提出了一种基于HVS和DFT域的鲁棒性水印算法。该算法在原始图像的高频DFT系数中嵌入水印信息，将原始图像块及水印图像块分别按照方差大小进行排序，并按照方差的顺序将水印图像块嵌入到原始图像块中。最后对该算法做了大量仿真实验，用StirMark模拟了图像可能遭受的各种攻击，仿真结果表明该算法具有较好的鲁棒性和不可见性。
     

基于二叉树支持向量机多类分类算法的研究

基于二叉树的支持向量机多类分类算法虽然在目前现有的多类分类算法中总体性能较优,但是仍然存在分类精度和分类效率不高的问题。针对这些问题,提出了一种新的基于欧氏距离的二叉树支持向量机(Distance binary tree SVM,简称DBT SVM)多类分类算法,该算法综合地考虑了两类最近样本的欧式距离、类中心的欧氏距离对分类的影响,并且使最容易分离的类能优先分离出来。通过在UCI标准数据集上进行实验验证,结果表明该算法行之有效。
     

距离均衡的自组织无线传感器网络分簇算法

【目的】针对节省能耗、延长网络生命周期的问题,在分析典型分簇算法不足的基础上,提出了能有效减少节点传输能量消耗的距离均衡的自组织分簇算法(DBSOCA)。【方法】在该算法中,簇内节点依据计算自身与基站的距离来竞选簇首,并确保基站与簇首及簇首间的传输能够保持一定的距离。【结果】用平均传输距离来避免簇首因传输距离的不同而造成能耗的不均衡。【结论】仿真结果证明,该算法能有效地降低整个网络的能耗,进而延长网络的生命周期。
     

基于邻域影响的改进粒子群算法的聚类算法

K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一。但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解,在分析K-均值算法和粒子群算法的基础上,提出了一种基于邻域影响的改进的粒子群算法的聚类算法,通过对粒子群算法的改进来优化与K-均值结合的聚类算法。该算法将局部搜索能力强的K-均值算法和全局搜索能力强的粒子群算法结合,提高了K-均值算法的局部搜索能力、加快收敛速度,有效阻止了早熟现象的发生,达到那些离群的孤立点。实验表明该聚类算法有更好的收敛效果,一方面聚类所用的时间更短,另一方面聚类的准确率更高。     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

基于PXE网络的远程数据清洗系统

提出了一种基于PXE协议的网络互连结构用于数据清除的远程控制系统。数台客户端通过PXE协议与主机相连,客户端从主机上下载镜像文件,包括启动文件、配置文件和数据清除主体程序,从而实现远程启动操作系统和自动运行程序进行数据清除。整个操作过程实现实时控制,运行的过程和结果都在主机的屏幕上进行显示。PXE网络结构互连模式使系统拥有更快的速度和灵活性,实际工程应用表明系统性能优良,数据清除具有规模性,灵活快捷,其性能和效率明显优于传统的单机操作处理方式。     

基于蚁群算法的无人机任务规划优化模型研究

【目的】为了研究无人机在灾情巡查中的航径优化问题。【方法】设计了一个蚁群算法求解该问题,并通过仿真实例进行验证。【结果】无人机的航径优化问题是一种具有多约束条件的复杂任务规划问题,将时效性和均衡性为核心的评价体系考虑到问题中,构建一个双目标优化模型,实现了无人机的外部合理分配和内部航径优化。【结论】仿真结果表明提出的模型与算法在解决无人机巡查灾情飞行航径方面具有一定的应用价值。