应用型本科高校经管专业统计学教学实证分析 ——以莆田学院为例

针对应用型本科高校统计学教学效果不佳的现状,在莆田学院经管类专业展开问卷调查,并采用问卷数据进行实证分析。统计分析发现,学生对统计学的使用性认知有限、努力程度不足,统计学教学和考核偏理论、缺乏实际应用等问题。因子分析表明,影响教学效果的多个变量可降维为教师教学水平、学生学习投入、专业联系度、实践教学和教材适用度5个因子。回归分析表明,这5个公因子对教学效果均存在显著影响。最后,提出相关建议:提高教师教学水平、改变学生对统计学使用性的认知、增加实践学时等。     

命名数据网络中的一种双模式转发模型

命名数据网络(named data networking,NDN)是为了解决当前IP网络中因存在大量重复冗余传输所造成的流量爆炸问题而提出的一种新型网络架构.NDN的网内缓存机制极大地提升了网络资源的利用效率,对于传统的端到端业务来说却略显支持性不足.针对于这一问题,提出了一种NDN网络中的双模式转发模型.该模型对内容分发类业务采用传统的NDN转发机制进行转发处理;对端到端业务,采用定长的标签交换代替变长的名字查找来加速转发,并且不再进行缓存操作.基于ndnSIM的仿真结果表明,相较于传统NDN的单一转发机制,使用该转发模型后有效地节省了内容缓存的空间,同时端到端业务的响应时间减小了约37％.     

基于内容流行度的移动CCN缓存策略研究

近年来,为了适应互联网应用由发送者驱动的端到端通信模式向接收者驱动的海量内容获取模式的转变,并从网络体系架构层面提供对可扩展和高效内容获取的原生支持,研究界近年来提出以内容为中心的新型网络(content-centric networking,CCN)体系架构,它能够高效地支持未来互联网上的内容分发.随着移动用户数量的不断增加,未来移动用户也将访问CCN网络,针对内容中心网络中的用户移动性问题,提出了一种基于内容流行度的移动性缓存策略.该策略考虑用户移动性,利用半马尔科夫模型对用户移动性进行建模,同时采用多元线性回归模型对内客流行度进行预测,结合用户移动性与原有内容流行度提出一种移动性缓存策略.仿真实验表明,移动性的加入会对内容的流行度产生较大的影响,该策略能有效地提升缓存命中率.     

基于流类型的SDN数据平面故障恢复算法

软件定义网络(software defined networking,SDN)的网络拓扑中,链路故障恢复目标是保证故障恢复时延在可容忍范围内、减少数据包丢失和节约交换机存储资源.现有研究方法对链路故障恢复考虑了恢复时延、数据包丢失率、网络吞吐量等因素,没有考虑数据流对网络带宽的要求及运营商/用户的一些特殊限制.为了解决以上问题,同时满足故障恢复时延要求和运营商/用户定制化需求,提出了基于流类型的SDN数据平面故障恢复算法(failure recovery algorithm based on flow type in SDN data plane,FR-FT).该方法根据服务质量要求将数据流分为3类,将运营商/客户的定制化需求绑定到不同数据流上,根据对应约束条件对不同类型数据流制定不同故障恢复策略.仿真结果表明,该方法可以减少交换机流表项消耗、故障恢复时延、数据包丢失率.     

移动社交网络中的无线资源分配算法研究

随着移动用户数量的不断增加以及移动网络规模的发展,移动社交网络越来越受到人们的青睐,在社交网络中,社交网络用户可以使用移动设备相互交换和共享内容,但如何在移动社交数据传输过程中根据用户的需求为其分配最佳的无线资源,并确保资源的安全性和保密性成为了一个新的挑战.研究移动社交网络中的无线资源分配问题,资源分配包含无线资源分配和保密性资源分配,提出一种基于梯度的迭代算法来求解社交用户所需要的最佳无线资源和保密性资源.仿真结果分析表明,根据所提算法可以得出在保密性资源能量效率方面比随机分配方案提高8％左右,同时在无线资源利用率方面也有显著提升.     

智慧协同网络研究进展

随着用户数量的不断增多和业务规模的不断扩大,现有互联网的原始设计理念暴露出诸多弊端,导致其很难从根本上解决安全性、移动性、可扩展性等问题.因此,要创建全新的网络体系架构才能从根本上解决上述问题.通过对未来互联网架构发展趋势的全面分析与对比,发现导致传统互联网诸多弊端的原始根源在于其“三重绑定”、“横紧纵松”的特性.为了综合有效地解决这些特性带来的弊端,提出了以“三层”、“两域”为特征的智慧协同网络体系架构(smart collaborative identifier networks,SINET).详细地介绍了SINET的体系模型与基本原理,总结了近几年取得的学术成果,介绍了SINET在高铁通信、工业无线传感网络中的应用场景及效果.理论研究和行业应用都表明,SINET能够很好地解决路由可扩展性、移动性、安全性、可靠性方面的问题.     

基于二维路由的流量工程解决方案

流量工程是应对互联网规模和流量高速增长的必要方法,高效的流量工程受限于流量矩阵的测量和已有路由设备转发能力.结合上述挑战提出了基于大流调度的二维路由流量工程方案,建立了描述二维路由大流调度问题的数学优化模型,使用改进的随机取整算法求得问题的近似解.实现了基于Quagga的二维路由大流调度的原型系统,使用扩展链路状态通告下发路由决策信息.真实实验证明,系统能够实现大流的快速调度.仿真实验结果表明,基于二维路由的大流调度明显优于基于传统一维路由方式的大流调度,并且前者能够达到接近最优的调度结果.真实实验和仿真实验证明,该方案不仅仅实现了更为细粒度的流量调度,而且具有更好的可扩展性以及更低的转发流表开销.     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。     

CCN中一种非混合式蚁群路由优化策略

蚁群优化(ant colony optimization,ACO)近年来在信息中心网络(content centric networking,CCN)路由领域的应用逐渐增多,其中,将ACO与其他机制相混合以改善路由性能的策略得到较多研究,但基于蚁群优化的混合式算法通常存在可扩展性低下,动态性差,网络成本高等问题。为此提出一种高效的非混合式蚁群路由算法(irritant ant framework,IAF)。添加一个新维度—一种动态的、仿生物的信息素分层,将传统单级别信息素上升为多级别信息素,增强蚁群对于路径的探索程度,抑制算法过早收敛;并且考虑了节点状态的动态性,实时改变信息素等级以选择最佳转发路径;此外,首次考虑了节点缓存特性对信息素更新策略的影响,构造出全新的信息素更新公式,,减小算法的收敛时间。实验结果表明,该算法能够有效地降低内容请求时延,提升缓存命中率,以较低的开销获得良好的CCN路由性能。     

面向5G新空口技术的LDPC码标准化研究进展

第5代移动通信系统(5th generation mobile communication system,5G)业务需求的多样性以及各业务场景的典型特性给新空口(new radio,NR)的信道编码技术带来困难及挑战,信道编码方案成为通信业界及学术界的重要研究课题之一。因具备优越性能,低密度奇偶校验(low-density parity-check, LDPC)码被确定为5G增强移动宽带(enhanced mobile broadband, eMBB)场景数据信道编码方案。在对5G及LDPC码进行概述的基础上,阐述了包括码设计、译码算法、速率匹配和性能评估在内的面向NR的LDPC码标准化工作研究内容。此外,对近年来第3代合作伙伴计划(3rd generation partnership project, 3GPP)各成员机构在无线接入网层一(radio access network layer 1, RAN1)标准化工作组历次会议中提出的LDPC码编码方案进行分析和对比,并在此基础上对LDPC码标准化相关工作进行总结。