解决Ad Hoc网络广播冗余竞争冲突的高效广播算法

针对盲目广播带来的广播风暴问题,提出了一种适用于Ad Hoc网络的跨层模糊逻辑广播算法(cross-layer fuzzy logic broadcasting algorithm,CLFBA).该算法应用跨层设计的方法,在保持原有介质访问控制层(medium access control,MAC)和路由层严格分离的基础上,允许路由层共享MAC的接收信号强度信息.采用模糊控制获得节点重播分组的概率,赋予增加通信面积大的节点和剩余能量高的节点较高的转发概率.CLFBA减少了广播过程中产生的冗余、竞争和冲突,均衡了网络中节点的能量消耗.仿真结果表明,与路由层应用泛洪和概率泛洪算法、MAC层应用IEEE802.11协议相比,CLFBA提高了转播节省率,延长了网络生命周期,降低了平均节点丢包率和平均端对端延迟.     

一种基于动态分级网关代理的移动IP缓存方案

研究移动IP下平滑切换的缓存方案.首先提出了一种动态分级的网关代理的模型,分析了在这个模型下的缓存过程,研究了缓存区的分配与管理,并进行了仿真测试.理论和仿真分析表明,将缓存分为网关代理和局部代理两级,局部代理动态形成,使缓存任务得以分散.采用的单缓存十字链表的缓存结构,及相应的释放和大小设置策略,有效地解决了移动节点切换丢失数据和TCP性能下降及数据乱序问题.为更好地研究移动IP平滑切换问题提供了基础.     

智能PID控制器在船舶发电机电压控制中的应用

解决船舶发电机在负荷突变尤其是大负荷突变时能够稳定发电机端电压是控制系统需要解决的基本问题.为此提出和使用一种新型智能PID控制系统,其中PID控制器由三层前馈神经网络组成.利用神经网络的自学习能力,PID控制器的参数能够根据系统动态特性通过神经网络权系数进行自行调整,其特点是结构简单、工作稳定.仿真结果表明,该智能PID控制器比传统的PID控制器具有对扰动响应速度快和具有更好的控制效果和更好的鲁棒性,能更好地稳定船舶发电机端电压.该智能PID控制器已用于船舶发电机控制系统中,并取得满意的效果.     

基于神经网络技术的干散货运价指数预测

在考虑了干散货运输需求、干散货船舶供给以及干散货船舶闲置等对运价指数影响的基础上,采用神经网络技术对月度干散货指数进行了研究,并且与基于ARCH模型和多元线性回归模型的预测进行了对比研究,结果表明从提高预测精度的角度来说神经网络技术是最优的.     

基于曲率模态识别桥梁结构损伤的机理分析

阐述了曲率模态参数的特性,从有限元动力响应基本原理出发,分析了曲率模态用于识别桥梁结构损伤的机理,说明了曲率模态是一类对结构局部变化有敏感性的动力学参数,对于进一步在实际工程中识别桥梁结构损伤行为具有重要的指导意义.     

无线传感器网络中簇树骨干网的维护和更新算法

无线Adhoc传感器网络中的路由设计将能效高放在首位,设计用于路由基础的高效能簇树骨干网是延长网络寿命很有效的方法.文中利用图论中极大权独立集和根树的概念给出一种求簇树骨干网的EACT算法及对该骨干网的维护和更新算法.并通过仿真结果表明算法的有效性.     

环境场特征与暴雨之间的关系浅析

利用2002年6-7月香港天文台业务区域谱模式(ORSM)的物理量预报资料,通过对暴雨发生时的平均高度场、温度场、湿度场、经向及纬向风速场特征的分析,探讨了我国南方形成持续强降水的大尺度环流形势及物理条件.通过对暴雨带附近的热力场和动力场的研究表明：温度场上,在大气中低层,暴雨带处于高温区南侧相对的冷区,且温度梯度较小,而在暴雨区北侧,温度梯度较大;湿度场上,暴雨区落在高湿度带中,并且在大气低层,暴雨带位于南北相对湿度对比带的南侧;而在风速场上,在大气低层,暴雨带附近为东西风及南北风的复合带.     

基于时间窗的SVDBN近似推理算法研究

变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

Efficient and power-awareness query over sensor networks

Sensor networks consisted of low-cost, low-power, muhifunctional miniature sensor devices have played an important role in our daily life. Light and humidity monitoring, seismic and animal activity detection, environment and habitat monitoring are the most common applications. However, due to the limited power supply, ordinary query methods and algorithms can not be applied on sensor networks. Queries over sensor networks should be power-aware to guarantee the maximum power savings. The minimal power consumption by avoiding the expensive communication of the redundant sensor nodes is concentrated on. A lot of work have been done to reduce the participated nodes, but none of them have considered the overlapping minimum bounded rectangle （MBR） of sensors which make them impossible to reach the optimization solution. The proposed OMSI-tree and OMR algorithm can efficiently solve this problem by executing a given query only on the sensors involved. Experiments show that there is an obvious improvement compared with TinyDB and other spatial index, adopting the proposed schema and algorithm.