虚拟旅游研究进展

虚拟旅游是运用三维实景展示,将现实中的旅游场景制作成用于互联网、多媒体、触摸屏等多种载体进行展示的电子文件,可以按固定路线或自选路线从不同角度观赏,获得身临其境般的体验。本文阐述了虚拟旅游产生的背景及其意义,分析总结了虚拟旅游的主要研究范围和技术难点,并对未来的研究方向提出建议。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法,通常基于通信侦察中获取的目标信号特征进行干扰决策,选取合适的干扰波形实施干扰,难以应对目标信号特征未知或参数动态变化的情况.为此,提出一种基于生成对抗网络(generative adversarial networks,GAN)的通信干扰波形生成技术,运用GAN直接提取目标信号的潜在特征,并生成与目标...     

网络实验系统的设计和建设

在研究国内外网络实验环境的基础上,总结实验内容体系和网络实验室硬软件环境的内在联系,提出一种实验内容体系和网络实验环境相结合的动态体系架构,并阐述网络实验室智能管理和开放功能体系及其实现技术.     

基于光伏获能的WSNs节点能量管理策略

针对WSNs中基于预测算法的能量分配与管理机制的不足,研究太阳能可充电无线传感器网络中能耗管理,提出基于历史获能的能量中性管理机制。设计了一种自适应跟踪太阳光的节点获能模型,进而构建了一种基于历史获能的能量中性管理机制,根据当前操作周期中由太阳能转化而来的可用能量,调节下一操作周期中节点工作的占空比,以解决节点太阳能获取与节点能耗的优化问题。理论分析与实验结果表明,提出的基于历史获能的能量中性管理机制,实现了太阳能电池板大小与节点能耗的最佳匹配,为太阳能可充电无线传感器网络中的能量获取及能耗管理提供了值得借鉴的解决方案。     

基于最小费用流模型的不正常航班恢复问题研究

突发事件会导致航班计划无法按原计划执行,给航空公司及旅客带来巨大损失。而航班恢复问题的难点除了相关因素的复杂性,主要的体现在恢复方案的即时性。因此,为了提出快速有效的航班恢复方案,以降低损失,笔者通过时空网络技术对不正常航班的恢复问题进行描述,实现了对航班在空间和时间上的追踪。基于最小费用流模型,建立了以最小总延误时间为目标函数的整数规划模型,模型同时考虑了航班延误,飞机置换及航班取消的调度策略,并提出采用Floyd-Warshall算法对建立的模型进行求解。最后,通过算例对模型及算法进行验证。研究结果表明:针对突发状况,建立的模型及算法可提出合理的航班恢复方案,证明了模型及算法的可行性及有效性。建立的模型具有普适性,对不正常航班恢复问题的研究具有借鉴意义。     

基于DBN的区域计算机联锁系统可靠性分析

区域计算机联锁设备是实现区域内行车安全、保证运输效率的核心设备,对其可靠性研究具有重要意义。结合目前存在的2种区域联锁制式,采用一种新的联锁方案,即在主控站和从控站(选择其中1站或多站)均设置联锁设备。综合考虑联锁系统的共因故障和可维修等因素,利用动态贝叶斯网络对其进行可靠性分析。首先,从系统故障■安全和危险输出的角度出发,建立区域两联锁单元和三联锁单元的动态故障树,并将其转换为相应的动态贝叶斯网络模型;然后利用动态贝叶斯网络的推理特性,对区域联锁系统进行可靠性分析;最后比较了该方法与基于静态贝叶斯网络和动态故障树分析法的结果。计算结果表明:主控站和其中之一的从控站均设置联锁设备是实现区域联锁的较佳方式;且基于动态贝叶斯网络的系统可靠性分析较上述两种方法在计算准确度和时间复杂度方面均有明显优势;并通过动态贝叶斯网络的诊断推理可知,共因故障是系统故障的主要原因,因此应重点防范以降低事故发生的概率。     

基于SEIR模型视角的重大公共卫生事件中伪科学网络谣言的传播治理：以新冠肺炎疫情为例

新型冠状病毒肺炎防疫工作进入关键时期,而期间大量滋生的伪科学网络谣言导致各地广泛出现盲目抢购、囤货等不良社会事件,严重影响疫情防控与社会正常秩序。以新冠肺炎疫情为例,在总结梳理国内外学者对伪科学、网络谣言等定义的基础上,给出适用本文的伪科学网络谣言的定义;选取本次疫情中影响较大的4个伪科学网络谣言,收集其在新浪微博传播过程中的数据,分析伪科学网络谣言在疫情中的传播特点;以SEIR模型为基础,综合考虑政府干预滞后性、个体信息接受从众效应、谣言传播特点等对模型进行合理改进,并通过数值实验对重大公共卫生事件中的伪科学网络谣言传播机制进一步研究;最后,基于前文分析从不同角度对重大公共卫生事件中伪科学网络谣言的传播治理提出针对性对策建议。     

一种元-卷积网络和持续学习融合的洞库类目标识别方法

洞库类目标是高价值识别目标,针对洞库类目标样本数据难以获得、样本内部数据相似度较高、人工设计识别特征方法局限性较大、普通深度网络需要海量数据等问题,提出了结合元学习和深度卷积网络的元-卷积网络(MCNN),并融合持续学习理论的洞库类目标识别方法(MCNN-LLS).首先结合深度卷积网络、元学习的理论建立元-卷积网络,该网络可利用旧知识指导新知识的训练,利用小样本数据即可训练得到识别能力较高的深度洞库模型;然后融合持续学习理论,建立持续学习系统(LLS),设计专家审核模型判别深度洞库模型的识别结果,并引入潜在任务、模型异步更新等方法,达到模型持续学习、持续更新的效果.实验表明,本文方法所需样本数量少,对洞库类目标识别准确率高,且识别能力可随识别过程中新数据的积累逐步提高.     

RSU辅助的V-NDN数据转发机制

V-NDN(vehicular named data networking)是一种使用命名数据网络架构的车辆自组织网络(vehicular Ad-hoc network,VANET),主要用来连接移动车辆之间的通信。提高网络中兴趣包的命中率是研究领域急待解决的难题。文章研究了城市道路环境下V-NDN的数据转发策略,考虑到城市道路环境下路侧单元(road side unit,RSU)被均匀广泛部署的特点,提出了一种基于RSU辅助的V-NDN数据转发策略(RSU aided V-NDN)。通过实验仿真与传统的V-NDN和基于蜂窝网络辅助的V-NDN进行对比,结果表明该文提出的数据转发策略有效地提高了网络的服务质量(quality of service,QoS)。     

逼近纳什均衡的动态蜂窝选择方案

在异构蜂窝选择博弈中,纳什均衡对应终端的蜂窝选择结果可以让系统获得相对较优的性能,然而在动态的网络场景中,终端会不断地移动,导致此前选择的结果偏离原纳什均衡,采用传统搜索纳什均衡的方法无法非常快速地重新逼近新的纳什均衡。文章提出一种逼近纳什均衡的动态蜂窝选择方案,借助设计的经验公式,快速调整终端的蜂窝选择策略,使整个系统始终保持逼近纳什均衡。