基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

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.     

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.     

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。     

基于远洋渔船作业场景的机会网络移动模型

在分析现有移动模型性能的基础上,针对远洋渔船机会网络中节点运动作业时的特点,提出了一种符合远洋渔船移动特征的平滑转弯半马尔科夫移动模型(Smooth Turn Semi-Markov Smooth Mobility Model,简称STSMS模型).从节点运动方程和平均稳态速率两方面进行了理论分析,并对节点运动轨迹和平均稳态速率进行了仿真验证.仿真结果表明,构建的STSMS模型能较好地反映节点的运动特点,并具有速率不随时间延长发生衰减的特性,适用于远洋渔船机会网络的模拟仿真.     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

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.     

基于全卷积网络的左心室射血分数自动检测

提出了一种基于全卷积网络(fully convolutional networks, FCN)的左心室射血分数自动估测的方法.利用全卷积网络对心脏磁共振图像中的左心室进行内轮廓分割,计算心脏左心室在一个心动周期中各时间点的容积,提取左心室舒张末期与收缩末期的容积,最后推导出左心室的射血分数.使用700组图片对全卷积网络进行训练以及440组图片进行测试,并将最后计算结果与美国国立卫生研究院和儿童国家医疗中心提供的射血分数(ejection fraction, EF)金标准进行了对比,计算准确率为89.8%,结果处在合理的误差范围内.