基于传输贡献矩阵的城市路网节点重要性评估方法

 在城市道路中,通常采用交叉口流量或道路连接数等单一指标确定路口重要性,很难保证突发事件下道路网络运行的可靠性。鉴于城市道路网络的无标度特性,以交通阻抗为权重,将城市道路网络抽象为加权网络,提出节点重要度传输贡献矩阵方法,评估道路交叉口重要性。该方法综合考虑交叉口所处路网位置、道路连接数及关联路段交通阻抗,采用节点效率值表示其位置信息,通过融合节点度值和交通阻抗值,构建交通信息传播过程中节点之间的重要度关联,以表示相邻路口间重要性依赖关系。以天津市区域路网为例计算各交叉口重要度,采取连续移除重要节点方式,模拟连锁故障过程,并将结果与节点收缩法进行对比。实证分析表明：在移除最重要的8个节点后,路网最大连通子图规模较节点收缩法降低9.10%,验证了该方法的有效性。     

基于神经网络的社交网络用户动机与行为关系研究

 以社交网络用户为研究对象,扩充了用户的“获利性”动机和“社交获利”行为,通过调研问卷,利用神经网络模型分析社交网络用户动机与行为的关系。结果表明,不同动机对不同行为的影响程度不同,动机对行为的整体贡献度呈现出有用性 > 自我呈现 > 娱乐性 > 易用性 > 获利性 > 从众性 > 社交性的趋势。建议管理人员持续完善网站的社交和娱乐功能,从用户心理出发构建品牌辨识度高、有特色的社交网络。     

基于超螺旋精度提升机制的OFDM网络信道噪声消除算法

为解决当前OFDM网络信道噪声消除算法难以规避信道中的窄带莱斯噪声,且抗信道衰落能力不强,以及信道间普遍存在严重的频率干涉问题,提出了一种基于超螺旋精度提升机制的OFDM网络信道噪声消除算法.首先,根据各个传输子信道具有差异化的频率载波特性,将传输子信道等价为接收背景中的接收点,从而构建了超螺旋接收结构,有效消除不同传输子信道间存在的频率干扰特性,降低信道窄带莱斯噪声对信号预发射过程的衰落影响;随后,基于角度识别方式进行锐-钝识别,并结合拐点思想,采用序列重排技术,将待发射信号进行消波处理,并进行自旋精度提升,从而提高了其抗窄带莱斯噪声的性能.仿真实验表明:与常见的超高频精度自适应机制(UHF adaptive,UHFA)、共线度自旋精度提升机制(the degree of accuracy of collinear spin,DACS)相比,本文算法与理想状态下的OFDM功率谱密度曲线最为接近,具有更高的信号增益水平与更低的信道误码率.     

考虑规模效应的一带一路海运枢纽网络比较研究

为优化海上丝绸之路的海运枢纽网络,推行"一带一路(BR)"的倡议,在传统轴辐式海运网络的基础上分别建立线型、环型枢纽网络结构,并引入规模效应折扣,用遗传算法求解不同海运网络的枢纽选址问题.最后,根据结果对3种不同的网络结构即轴辐式网络和线型、环型枢纽网络的适用性和总成本进行比较分析.结果表明:在"一带一路"倡议提出的背景下,改变单分配轴辐式网络结构,构造线型、环型枢纽网络,能够充分发挥政策引导的规模效应,从而降低总运输成本.进一步证明"一带一路"倡议对于沿线地区发展海运贸易具有积极作用.     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.     

C-RAN回传网络中下行资源调度策略

随着移动互联网技术的快速发展、无线终端设备与移动应用流量需求与日俱增,移动用户对无线通信网络的服务质量(quality of service,QoS)要求越来越高、回传网络的压力也越来越大.新出现的云无线接入网(cloud radio access network,C-RAN)能够有效提升网络容量、提高用户服务质量,同时采用无源光网络(passive optical network,PON)作为其回传网络(backhaul),能够为其提供大带宽、高可靠、低时延的回传支撑.在移动应用需求不断变化和回传网络资源有限的条件下,高效的资源调度策略至关重要,其能够有效的提升回传网络资源利用率、降低传输等待时延.为节约回传网络波长资源、提高波长负载均衡性和资源利用率,提出一种下行资源调度策略.根据高热点区域无线用户实时网络需求,综合考虑回传网络波长使用数量、负载均衡性和实时业务分配均匀度等优化目标,采用自适应权重并行遗传算法完成其优化过程,从而实现波长资源动态分配,提升网络资源利用率.仿真结果表明,提出的下行资源调度策略能有效提高网络负载均衡性和网络资源利用率,并降低实时业务等待传输时间.     

抗污染攻击的流内安全网络纠错编码

传统的网络路由并不能达到多播网络中"最大流-最小割"定义的Shannon容量限,而网络编码很好地解决了上述问题,在增大吞吐量的同时还可以均衡网络负载,提高带宽利用率.但是当网络中存在恶意攻击时会引入错误数据包,在线性网络编码操作下会带来数据包的"错误扩散",不仅影响网络性能,还会造成资源的严重浪费.因此如何在优化网络传输性能的同时提高通信网络的安全性成为目前亟待解决的问题.本文采用基于同态校验的线性网络纠错编码机制进行差错控制,拟解决多播网络中的污染攻击问题,对安全性能以及传输性能进行了分析.仿真结果表明基于同态校验的网络纠错编码能够在不破坏数据包编码规则的前提下及时地进行错误的检测和纠正,得到较好的差错控制性能,能够对抗网络中恶意节点引起的污染攻击问题.      

后发企业自主构建全球生产网络的成长机制——基于专有能力和网络优势的互动研究

自主构建全球生产网络(GPNs)是企业实现持续成长的最优选择。企业构建GPNs的基础是竞争优势,竞争优势来自两个方面:企业内部的专有能力和企业外部的网络优势。对于具有异质性竞争优势的后发企业来说,其作用机制和成长路径可归结为三类:一是低端专有优势强化——高端专有优势培育——网络竞争优势打造;二是低端专有优势培育——群体竞争优势构建——网络竞争位势提升;三是网络群体竞争力寻求——专有能力优势培育——网络竞争优势增强。最后以万向集团的企业成长为例对成长机制进行了深入探讨,说明了后发企业可依据上述作用机制选择相应的发展模式并对生产网络进行治理,实现生产网络动态调整,从而进一步提升企业专有能力和优化网络优势。     

视觉概念学习方法研究进展

计算机视觉的核心问题是寻找视觉概念的层次化与结构化表示.以深度学习为代表的连接主义方法能够学习到输入图像数据的分层表示,这个表示具有优异的类内不变性与类间区分性,带来了视觉目标分类问题的突破式进展.而以图像随机语法模型为代表的逻辑主义方法试图基于先验知识和输入图像数据得到视觉概念的层次化与结构化表示,进而实现像人类一样的概念迁移学习,从更一般的意义上解释视觉现象.综述了两类方法各自的一些代表性工作,分析了其主要思路与各自的优缺点.分析认为,两类方法具有明显的互补性,在概率图模型框架下将两类方法综合是未来视觉概念学习的一个重要发展方向.     

基于视觉相关性的无线多媒体传感器网络节能策略

针对资源受限的纯相机无线多媒体传感器网络的能量消耗问题,改进了视觉相关性算法,并提出了一种新颖的基于视觉相关性的完全分布式节能策略.首先,根据视觉相关性系数算法计算相机的视觉相关性系数向量;其次,利用视觉相关性系数向量得到相机的竞争筹码并以此确定相机的角色;然后,运行两个并行且相互交互的操作:簇头相机根据簇头权重向量确定下一跳并完成路由建立;非簇头相机计算亲密度向量并且得到自己的簇ID.最后,实验结果表明本文提出的节能策略能有效地延长资源受限无线多媒体传感器网络的生命周期.