基于子团规模的社团划分算法与地理位置

针对以往社团划分算法中存在的子团规模过大的问题,在CNM算法的基础上重新定义子团规模,提出了CLCNM社团划分算法.社团划分结果表明,改进后的算法在子团数量和模块度方面要优于CNM算法.在此基础上,研究社团划分与地理位置间的关系,提出地址前缀相似度的概念,子团地址前缀相似度越大,说明社团划分后的地理效应越明显.CLCNM社团划分结果表明:IPv6网络子团具有明显的地理效应,即子团中节点分布在相邻的地理位置.这一结论可对网络拓扑的再部署提供借鉴性意见.     

基于RSSI的WSN抗干扰定位算法

针对RSSI受外界因素影响较大,测距和定位精度很难得到保证的问题,从方差级干扰与均值级干扰两个层面对RSSI进行修正.首先在RSSI采集阶段提出一种基于离差的高斯模型(D-Gaussian)对方差级干扰进行过滤,以提高RSSI信号的可用性;其次在测距阶段,引入一种EWMA动态窗口机制并将其命名为R-EWMA,对均值级干扰进行处理.实验结果表明,研究工作有效地缓解了在传统定位算法中硬件成本与定位精度之间的矛盾,对RSSI的处理可以从根本上减少基于RSSI定位算法误差     

基于边权与节点负载的路由策略研究

随着交通网、航空网等包交换网在人类生活中的地位日益提高,包交换网络中的路由策略问题引起了一些学者的关注.运用复杂网络理论的相关研究手段,利用包交换网的静态属性和动态特性,对包交换网的拥塞现象进行了分析,并从以上两个角度分别给出了解决方案.随后提出了基于边权与节点负载的路由策略,该策略根据网络中边的权值和节点的负载情况动态地选择转发路径,与现有策略相比,可以有效地缓解网络拥塞,提升网络效率,具有一定的实用价值.     

三角形定位算法的误差分析

为了研究三角形内定位误差,首先对三角形定位进行建模;其次在对该模型分析证明的基础上得出三角形内最小定位误差出现的条件;最后基于该条件抽象出了三角形内定位误差的变化规律,并通过实际测试验证该规律的正确性.得出的结论均来自于推导计算,为定位算法研究提供了有力理论依据与支持.     

一种用于肺结节恶性度分类的生成对抗网络

针对肺结节数据集中良恶性样本数比例失衡的问题,首次引入深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)模型,该模型根据输入的肺结节图像,生成与输入图像具有相似纹理特征的肺结节并将生成图像用于训练DCGAN模型.此外,将图像来源分类问题改为图像来源分类和肺结节等级1~5分类问题,从而增强了DCGAN模型的抗噪能力和实现了DCGAN模型对肺结节的等级分类.实验表明,改进的DCGAN中G模型在生成图像时具有良好的抗噪能力且生成图像中大约有90.42%的图像判别为真实图像,D模型对肺结节图像的等级分类具有较好的判别能力且肺结节等级分类准确率为70.89%,肺结节良恶性分类准确率为80.13%.     

无线传感器网络操作系统中抢占式任务调度策略

提出了一种基于优先级的抢占式无线传感器网络操作系统调度策略IS-EDF,并在TinyOS上进行实现.提出的调度策略通过动态调整执行任务的优先级,可以有效地保证重要任务的实时性,改善无线传感器节点在任务负载较重情况下的系统响应性能;在节点处于轻负载或者空闲情况下,通过将节点带入睡眠状态,保证了无线传感器节点的节能.通过实验和仿真可以得出,提出的任务调度策略,在总能耗增加很少的代价下,可以有效地提高系统在运行负载较重情况下的系统响应性能.     

基于LQI的链路评估算法及其在WSN中的应用

在实验的基础上对一些链路质量评估参数进行对比之后,提出了一种基于LQI均值的链路评估算法.该算法能够在保障评估准确度的前提下减少冗余数据,从而降低能耗;采用该链路评估算法对ETX路由度量进行了修改,提出了一种IETX路由度量,并最终在Micaz节点上对该度量的选路性能进行测试.结果验证了基于LQI链路评估算法的IETX度量的选路可靠性与节能效果.     

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.     

基于关键点运动轨迹建模的步态识别

步态信息作为一个新兴的生物特征,在医疗、刑侦等方面具有广泛的应用前景.研究者已经提出了很多种步态识别方法,但普遍存在适应性不强、特征描述过于复杂或缺乏可解释性等问题.针对此问题,首先,通过改进三帧差分完成对视频图像中人体轮廓的提取;然后,基于人体轮廓图获取人体骨架模型,通过骨架模型得到所需的人体关键点位置,并对视频图像中同一关键点的位置轨迹进行曲线建模;最后依据关键点轨迹曲线模型建立一种以模型参数作为步态特征向量的步态特征描述方法,并在此基础上选取合适的分类方法进行步态识别.实验结果表明,基于关键点运动轨迹模型的步态特征表达能够很好地描述步态信息,识别率也相对较高.     

基于心电与脉搏波的血压检测算法的改进

针对基于心电和脉搏波的无创连续血压检测方法中特征点提取算法的计算量大的问题,提出了一种改进的提取特征点的差分算法,改进后算法的效率和特征点检测的精准度都得到了很大的提高.通过对采样数据进行相关性分析和回归分析,可以看到脉搏波传播时间与收缩压有强相关性,而与舒张压成中度相关.实验结果表明,利用改进后的特征点提取算法能够较准确地计算出脉搏波传播时间,进而计算出个体的收缩压,并且能够很好地满足AAMI国际标准对无创血压检测误差的要求.