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。     

基于卷积神经网络的多天线Polar码联合解调-解码方案

为了验证运用神经网络进行信道解码的可行性,利用其提高短码长Polar码的译码准确率,提出了一种基于卷积神经网络(convolutional neural network,CNN)的多天线(multiple-input multiple-output)Polar码新颖联合解调-解码方案.搭建了一种包括4个卷积层,2个全连接层和1个输出层的卷积神经网络,采用最小均方误差作为损失函数,通过计算机生成了Polar码编码的多天线数据并对网络进行训练,使训练得到的神经网络能很好地提取出Polar码比特间的关系特征,从而拟合出Polar码译码函数.仿真结果表明,在相同信噪比条件下,基于CNN的Po-lar码联合解调-解码方案的误码率优于已有的基于全连接神经网络方案;所提方案在不同码率的仿真实验中的误码率皆优于基于全连接神经网络方案,损失曲线的收敛速度更快,显示了基于CNN的Polar码联合解调-解码方案具有更好的泛化能力和学习能力.     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.     

基于EBS的无线传感器网络密钥管理方法研究

针对现有无线传感网络(wireless sensor networks, WSN)群组通信中网络环境复杂、资源占用率高以及共谋攻击等问题,提出一种融合三元多项式和EBS(exclusion basis system)管理机制的动态密钥管理方法。通过分析现有方法的不足,从WSN系统模型和EBS密钥管理2个方面对其进行改进,针对WSN系统模型引入层次式拓扑结构,有效解决簇头节点存在的单点失效问题,在此基础上,根据EBS群组密钥管理方法,引入三元多项式算法对EBS管理机制的参数进行优化。仿真结果表明,改进方法与局域化组合密钥管理(localized key management, LOCK)方法相比,改进后的EBS方法可以减少传感器节点的密钥存储量,增加网络共谋链的长度以及提高WSN的网络抗毁性。     

带时间窗的快递包装回收车辆路径优化研究

为解决大量快递包装给社会环境带来的一系列问题,优化快递包装及回收车辆路径,降低回收成本,提高客户满意度是快递包装回收的关键。考虑到快递包装回收的现状,提出在回收过程中设置软时间窗来反映顾客的满意度。建立了运输成本、处理成本、回收成本、时间惩罚成本等成本最小化的数学模型。采用改进的遗传算法对模型求解,提出运用2点交叉法改进交叉算子,加快种群的寻优速度,同时提出2点互异改进变异算子,增加种群的多样性,并对算法的种群规模、变异概率、运输成本等进行了灵敏度分析。运用Matlab软件对算例进行仿真,在有无时间窗条件下,验证了该设计的快递包装回收路径模型和算法的有效性。     

600mm 35CrMo钢立式连铸圆坯宏观组织分析

基于中原特钢股份有限公司立式连铸工艺与CAFE形核理论,建立了Φ600 mm 35CrMo钢立式连铸圆坯传热凝固耦合模型,采用薄片移动边界法对圆坯宏观组织进行数值模拟,分析了钢液浇注过热度和二冷水制度对宏观组织的影响,并在现场进行了Φ600 mm 35CrMo钢圆坯的连铸生产。结果表明:圆坯宏观组织形貌模拟结果与现场低倍组织相一致,过热度为40℃时中心等轴晶率为29.16%。当过热度由30℃升高到50℃时,晶粒数由9 332个减小到7 155个,降低了23.33%;晶粒平均半径由1 302μm增大到1 622μm,增大了24.58%;中心等轴晶率由35.75%减小到21.13%。当冷却强度由弱冷变为强冷时,晶粒数由9 391个减小到7 228个,晶粒平均半径由1 259μm增大到1 576μm,中心等轴晶率由36.05%减小到23.04%。     

5G切片化网络中基于吞吐量最大化的用户切换机制

第五代无线通信系统(the fifth generation,5G)利用网络功能虚拟化(network function virtualization, NFV)和软件定义网络(software defined network, SDN)2项技术将网络进行了切片划分,让用户接入不同服务质量(quality of service,QoS)保障的虚拟网络切片以获得服务。为了解决切片化网络中由于用户移动性而导致的切片重新接入问题,提出了最大化网络吞吐量的用户切换机制来降低越区切换对已有网络切片的影响。该机制根据用户业务类型的QoS服务等级筛选备选接入站点的归属切片,运用贪心算法选择能为用户提供最大数据传输速率的切片接入服务,在网络切片代理的体系架构下完成切换过程的控制和管理。在与功率接入、负载接入和随机接入3种切换方案的性能对比中,相关仿真结果表明,随着越区用户数目和网络切片类型的增加,所提方案在保证较高网络吞吐量的同时,切换成功率始终维持在80%以上,远优于其他3种方案。     

基于萃取和超高效液相色谱-串联质谱法的贝类抗生素快速测定方法

建立一种简单、快速的超声波萃取–固相萃取净化–超高效液相色谱串联质谱分析方法, 可以同时测定淡水贝类软组织中磺胺类、喹诺酮类、大环内酯类、β-内酰胺类和氨基糖苷类中15种抗生素。采取超声波萃取法, 对贝类体内的抗生素进行萃取, 用固相萃取方法净化提取液, 最后用超高效液相色谱–三重四级杆质谱对目标物进行分析检测。主要比较两种固相萃取柱Oasis HLB和Oasis PRiME HLB对污染物的净化效率, 后者展现出较好的结果。15种抗生素加标回收率实验结果表明: 当加标浓度为50 ng/g时, 回收率为64%~121%, 相对标准偏差为0.5%~19% (n=3); 添加高浓度(100 ng/g)样品时, 回收率为67%~117%, 相对标准偏差为1%~9%(n=3)。方法检测限(LOD)为0.004~0.5 ng/g (干重), 定量限(LOQ)为0.013~1.67 ng/g (干重)。该方法具有回收率高、检测限低的特点。使用该方法对鄱阳湖3个采样点三角帆蚌中的抗生素进行分析, 结果显示, 在15种抗生素中, 有9种均不同程度地检出, 检出频率和浓度最高的是甲氧苄胺嘧啶, 最高浓度达到78.8 ng/g, 其次是奇霉素(41.2 ng/g)和环丙沙星(39.8 ng/g)。