高密度RFID事件流上的复杂事件检测

由于高密度事件流具有实时性和海量性特点,应用已有的复杂事件检测技术处理时,存在时间效率不高、占用内存空间较大等不足.针对这些问题,提出了一种基于哈希链表结构的复杂事件检测算法.该算法设计有效的哈希映射分类来保存中间结果,加快了匹配过程,同时,提出高效的更新机制及时删除内存中过期的数据.针对常见的事件流的乱序现象,对原有自动机处理机制进行了改进.实验和分析证明,复杂事件流检测方法具有理论上的可行性和操作上的高效性与正确性.     

多层次RFID数据流上复杂事件检测

针对多粒度RFID数据流复杂事件检测存在的问题,研究多粒度RFID数据流(如物品级、箱子级、托盘级)上复杂事件检测问题.提出了不同层次目标间关系的编码方案,并在此编码基础上提出了相应的复杂事件检测算法.使用编码方法表示不同层次RFID对象的关系及状态变化.首先给出了事件模型和动机实例;然后详细阐述了编码方法和复杂事件检测算法.实验结果表明提出的方法是可行和有效的.     

策略管理中的事件处理机制研究

针对策略管理系统中事件的处理机制,首先给出了基于事件的策略管理模型,采用注册和订购的方式进行事件收集,由PDP实现事件的合成和不同域之间的事件中转,以尽量减少传播的事件数目,防止事件风暴的发生;然后给出了基于事件树的事件合成算法,用于解决事件乱序和事件覆盖问题,保证事件合成的准确性,为策略管理提供可靠的保障.     

基于异步航迹融合的乱序数据处理算法

针对集中式融合系统中从传感器到融合中心的传输延迟时间存在差异而导致融合中心出现乱序数据的问题,提出了一种能够处理单步延迟和多步延迟的乱序数据处(ATFOOSM)算法.首先利用乱序时刻(乱序数据的采样时刻)前的滤波结果,通过卡尔曼滤波来获取乱序时刻的目标状态,再采用异步航迹融合的方式实现对当前时刻目标状态的更新.仿真中采用ATFOOSM算法和重新排序算法对单步延迟和多步延迟下的乱序数据进行处理,结果表明ATFOOSM算法能够获得与重新排序算法相近的滤波精度.     

基于SDN流量测量的数据中心多路径传输研究

为了避免链路出现拥塞,针对数据中心流调度策略在进行数据流迁移尤其是大流的迁移容易产生数据流丢包并出现接收端数据包乱序,从而造成网络吞吐量降低的问题,基于SDN/OpenFlow架构,提出了一种采用熔断机制的动态路由算法F-TAM;同时,设计了新的测量方法来获取精确的链路状态时效信息,当算法被触发时能及时计算出合理的熔断时间,从而能充分利用网络中存在的多路径进行负载均衡,并解决了由于传输路径的不同时延所造成的接收端数据包乱序问题.实验结果表明:F-TAM能够利用网络中的冗余链路进行细粒度负载均衡并提升网络吞吐量,且不会出现接收端数据包乱序的问题.     

基于流时间影响域的网络流量异常检测

针对如何提高网络流量异常行为检测准确率的问题,提出基于网络流时间影响域(TID)的网络流量检测模型.通过分析正常和异常情况下流量网络模型平均度的变化,构建了基于复杂网络平均度指标的网络流量异常检测算法.实验结果表明,基于网络流时间影响域的流量网络模型能合理地描述网络流量间的依赖关系,具有良好的检测性能,同时该网络模型仅需时间戳、源IP、目的IP三维网络特征即可实现,检测方法适用于绝大多数网络类型,检测效率优于其他网络流量异常检测方法,具有较高的普适性.     

面向执行体的PTIDES调度策略

PTIDES对离散事件模型(Discrete Event)的改进主要体现在两方面:一是将DE的模型时间与物理时间进行关联,使独立事件的调度脱离时间戳顺序;二是采用层次异构思想对DE进行层次化建模,实现了层次化并行.现将模型时间延迟作为限定因子,提出一种面向执行体的PTIDES执行策略(AOEPTIDES),实现了执行体...     

模糊理论在网络流量攻击检测中的应用

网络数据流量攻击不仅会使网络负担过重而失去响应,而且由于网络流量的不确定性,给基于网络流量的攻击检测带来困难.将模糊数学的相关理论引入流量的描述,并结合梯度判定的算法对流量进行评估,较好地避免了定量算法对网络流量评估不准确导致的判断偏差.通过对常见的流量攻击事件的实际测试,验证了本算法的合理性和有效性.     

一种面向非结构化环境的改进跳点搜索路径规划算法

为解决非结构化复杂场景下基于搜索的寻路算法中存在的计算时间长、路径非最优等问题,在跳点搜索(jump point search,JPS)算法的基础上,提出一种带权重的跳点搜索(weighted jump point search,WJPS)算法.WJPS算法改进了启发式函数,同时采用非传统的距离表达,最终实现了在保证全局路径最短的同时,降低了计算时间.为了验证WJPS算法的有效性,设计了多种非结构化复杂场景地图,对A?、JPS算法和WJPS算法在寻路时间、扩展点数和路径长度3方面进行了对比.实验结果显示,相比A?算法和JPS算法,WJPS算法在复杂环境中能保证生成路径是最短的,同时利用JPS跳点算法中寻找拓展点的策略,能够实现毫秒级别的规划,且算法效率能够满足智能体对路径规划层的要求.另外,WJPS算法采用微分平坦法对生成的路径点作曲线拟合,使智能体的运动轨迹更加平滑.     

基于RFID应用的综合性数据清洗策略

RFID应用中会产生大量不可靠性数据、冗余数据和时间戳乱序数据,而现有的RFID数据清洗技术主要关注单一的错误数据类型,不适合于复杂的应用环境.针对这个问题提出了一种综合性的数据清洗机制来保证RFID数据的准确性、精简性和时序性.该机制由局部过滤器和全局过滤器组成,局部过滤器处理单个阅读器接收的数据,通过时间延迟对数据按时间戳排序,并根据RFID数据流的分布情况设定不同的约束条件删除多读数据;而全局过滤器处理多个阅读器接收的数据,通过考虑标签数据的时空关联性填补漏读数据和删除多读数据,并设定约束条件删除冗余数据.实验证明了该机制可以适应不同流的分布情况,有效地对各种脏数据进行修正.     

面向众核处理器的独立调试系统设计方法

基于片上网络(Network-on-Chip,NoC)技术的众核处理器正成为当前高性能处理器的设计焦点.传统的调试系统结构不能很好地应用于众核处理器体系结构,众核处理器中踪迹数据传输、调试事件传播、时间戳同步等方面均面临重大挑战.为解决上述问题,提出一种具有高带宽、低资源消耗的独立调试系统设计方法.该方法通过减少长互连线,提高了调试通道工作频率,以较少的互连线即可实现高带宽传输通道;同时调试组件采用分布式的对称结构,具有良好的可扩展性.在踪迹数据传输结构中,提出了一种带宽平衡的非侵入式踪迹数据导出方法,该方法通过软硬协同方式来配置踪迹通道仲裁的权重值,降低硬件复杂度.在调试事件的传播上,构建了与片上网络拓扑一致的事件传播网络,该网络在易于物理实现的同时具有事件传播延迟低的特点.在时间戳的同步方法上,提出了一种通过软硬件协同的时间同步方式,以很小的硬件代价实现了较精确的时间戳同步.     

基于无前瞻量最小时戳的自适应推进算法

GALT(greatest available logical time,最大可能逻辑时间)算法是HLA(high level architecture,高层体系结构)时间管理服务能否高效实现的关键技术.为解决现有GALT算法可能会出现消息丢失及推进速度缓慢等问题,提出一种新的基于无前瞻量最小时戳的自适应推进算法(APMTL).此算法在计算输出时间时最小时戳项时不加入前瞻量,并动态调整其他项的前瞻量.将此算法在空空导弹分布式仿真系统上进行测试,结果表明不会丢失消息且加快了系统推进速度.     

彩色照片时间戳识别

照片的时间戳是可用于照片检索的重要信息提出一种基于粒子群优化的照片时间戳自动识别方法首先对一张照片进行粗分割,以确定时间戳所在的区域：选定4个可能包含时间戳的探测区域,并对它们的R分量和G分量分别用Sobel算子进行边缘检测,从边缘图中判定时间戳包含在哪个区域中．然后用PSO优化算法确定一组合适的参数．对包含时间戳的区域进行精细分割和模板匹配．从而完成时间戳识别,该方法不需要大量的先验知识和离线学习的过程,实验结果表明该方法识别正确率很高。     

MATLAB与BP神经网络技术在隧道工程中的应用研究

隧道岩土是一个复杂的综合系统,各种参数具有很大的不确定性,这给我们判定其工程性质和参数带来了困难.BP神经网络则是处理复杂系统的有效工具,它具有广泛的适用性,不但能较好地拟合已知数据,而且还具有良好的预测功能.借助MATLAB的实用工具箱,用户可以不再考虑复杂的编程过程而更专注于算法.通过实例介绍了基于MATLAB的BP神经网络在隧道工程中的应用问题,探索了等差时间序列的数据处理和预报问题,认为利用其对隧道工程的测量数据进行处理和预测是有效的.     

基于T-不变量消除的Petri网合法变迁引发序列判定算法

Petri网的合法变迁引发序列问题(LFS)是其可达性问题的子问题.前人在LFS判定时常因判定算法的指数级时空复杂度或算法难以推广至一般Petri网而受限.因此,基于Petri网T-不变量支集变迁与可达图有向环路上标注变迁的对应关系,综合应用线性代数与可达树分析,原LFS判定被缩减为以基础向量为发生数向量的LFSb判定.通过两棵可达树(分别以原网、初始标识;逆网、目的标识为根)层序轮流构造同时比较当前叶节点层中的标识,若算法终止前有相同标识出现,则LFSb(LFS)判定成功;反之,LFS判定失败.分析表明,算法的时间复杂度为多项式级别的,且适用于一般Petri网的LFS判定.     

QJoin：质量驱动的乱序数据流连接处理技术

数据流乱序现象会导致数据流处理结果的丢失,给数据流的分析处理带来了巨大困难。本研究探讨了质量驱动下的乱序数据流连接处理问题,提出一种质量驱动的乱序数据流连接处理技术(QJoin)。QJoin采用缓冲存储技术和对称连接策略,实现并确保对流元组进行即时分析处理,从而降低了流元组处理的平均等待时间。同时,基于质量驱动的理念,根据临近阶段连接处理过程中收集统计的数据,自适应地调整和优化内存缓存区的大小,从而在满足用户结果质量要求的前提下,降低系统内部历史数据的内存缓存量,尽可能保证迟到元组的连接处理完整性。真实数据集上的实验结果表明,与传统的数据流乱序处理技术MP-K-slack相比,QJoin在满足用户结果质量要求的前提下,确保能够即时地分析处理数据流的流元组,显著降低系统的内存开销。     

基于极值距离双轨调整策略的入侵检测算法

目的 针对入侵检测算法存在检测率低、误报率高等问题,提出基于密度极值距离双轨调整策略的改进K-means算法(K-DTEV算法).方法 该算法使用新的噪声数据处理方法和2个新的改进策略(最优阈值判定策略、初始点中心选择策略),能够消除阈值参数对点密度大小的影响,准确判断高密度点和噪声数据,进而优化初始中心点的选取.结果 与结论本文使用改进算法与K-means算法和PDSK-means进行比较,结果表明K-DTEV算法在检测率、误检率等评价指标上均优于对比算法.     

改进的阴性选择算法在机械故障诊断中的应用

针对复杂大型设备故障诊断准确率低的问题,提出一种改进阴性选择算法的故障诊断方法。在改进可变半径实值阴性选择算法(V-detector)中,训练开始阶段通过蒙特卡罗算法寻找半径尽可能大的检测器,然后引入覆盖阈值,通过阈值判定减少了无效检测器的产生,提高了算法的检测率。由于V-detector算法只能识别自我和非我,建立了免疫聚类的故障诊断模型,并将改进V-detector免疫聚类故障诊断模型应用于齿轮故障诊断中。实验结果表明:改进的V-detector算法可以有效的避免了检测器重复覆盖造成检测器数目的增加,提高了非自体区域的覆盖率,比未改进的V-detector的免疫聚类诊断方法有较高的准确率。     

行人检测中非极大值抑制算法的改进

行人检测是计算机视觉领域的难点和热点问题。行人检测可大致划分为3个部分:特征提取、分类和非极大值抑制(Non-maximum Suppression,NMS)。当前的研究工作主要集中在特征提取、特征学习和分类器等方向,而非极大值抑制方向鲜有改进。目前常用的非极大值抑制算法是贪心策略,抑制时只使用了单一的重合面积信息。针对该问题,在ACF(Aggregate Channel Features)检测算法的基础上,对非极大值抑制进行了3项改进,显著地提升了算法的精度,并且算法的时间消耗只有略微的增加。在INRIA数据集上,单独使用引入尺度比的动态面积阈值NMS时能降低平均对数漏检率(MR)0.99%;单独使用保留外围检测分数相近的检测窗口的策略时NMS能降低MR 1.25%;两者结合可降低MR 2.5%;结合后,再对已经被抑制的检测窗口重复抑制,MR降低了2.63%,达到14.22%。     

基于带宽与往返时间联合预测的多路径并行传输性能优化算法

在流控传输协议( stream control transmission protocol, SCTP)中,多路径并行传输利用多家乡特性实现数据在关联的多条端到端路径中的并行传输。然而,受不同路径性能差异的影响,多路径并行传输将带来接收端的数据乱序。为了减轻数据乱序的程度并提高网络吞吐量性能,需要尽可能准确地估计每条路径的实时带宽与往返时间( round trip time, RTT)。本文利用扩展矢量卡尔曼滤波对多路径并行传输中每条路径的可用带宽与往返时间进行联合预测,同时提出了一种综合考虑发送端未经接收端确认的数据的路径选择算法。仿真结果表明,通过实时准确地预测可用带宽和往返时间,路径选择算法能够减轻接收端数据乱序的程度。对于带宽敏感的多路径应用场景而言,该算法的收敛速度比Kalman-CMT算法更快,对网络吞吐量性能也有一定程度地提高；对时延和带宽都敏感的多路径应用场景来说,算法在收敛速度与吞吐量两方面优势明显。