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%。     

BP神经网络学习率参数改进方法

针对动态BP神经网络学习率优化方法收敛速度慢而且对误差曲面变化不敏感等不利因素,本文提出了一种改进的BP神经网络学习率的优化算法,该策略使网络对误差曲面变化敏感且收敛速度快。     

动态数学神经网络模型及其应用

本文在［１］的基础上建立了广义数学神经元,并引入动态机制,形成动态数学神经网络,由网络当前状态决定网络结点数．从而在一定程度上解决了前向神经网络隐层结点数无法确定的难题,并成功地将其运用于解决用多项式逼近连续函数的魏尔斯特拉斯定理,并建立了龙贝格求定积分的动态数学神经网络模型．     

一种基于嵌套网络的新型路由优化策略

随着无线技术的迅速发展以及移动数字设备数量的迅速增加,移动性已经成为因特网的重要元素.因特网工程任务组设计的用于提供网络移动性的网络移动性基础支持协议,由于其非最优的路由以及冗长的封装过程,往往会产生相当长的传输延迟以及严重过长的大分组,因此在嵌套移动网络中并不能得到低延迟的切换.为了解决网络移动性基础支持协议在嵌套网络中的高延迟问题,该文提出了一种用于嵌套网络的路由优化机制.该机制基于带有绑定更新树的分层结构,使用绑定更新缩短从移动路由到通信节点或移动网络节点之间的通信延迟;在移动网络内部,使用在分组头部增加家乡地址选择段的方法,降低了顶层移动路由的寻路延迟.仿真结果表明该路由优化策略相对基础支持协议可大大降低嵌套网络中的分组延迟,从而降低了分组开销和切换延迟,达到了最优路由.     

基于生成对抗网络的细胞形变动态分类

提出了一种基于生成对抗网络的细胞形变动态分类方法,以活细胞视频中的细胞形变动态为对象,引入分类器辅助的生成对抗网络结构同步训练生成对抗网络和分类网络,通过生成对抗网络产生的数据提高了原本分类网络分辨细胞形变动态的性能.首先,细胞动态图像被用于将活细胞视频中的时间维度进行压缩,使其从视频域映射到图像域以方便生成对抗网络的构建.其次,基于分类器辅助的生成对抗网络结构,将分类网络的分类信息作为辅助信息来改善生成对抗网络对多类样本的生成,同时生成网络生成的多类样本可以反过来优化分类网络对于细胞动态形变的分类性能.在构建的活细胞视频数据库上,可以验证提出方法能有效地捕获细胞视频中的空时细胞形变动态,并且其分类的性能优于其它主流方法.     

无线传感器网络多目标路由的改进蚁群算法

提出一种集能耗、时延、鲁棒性和传输效率等于一体的多目标路由,且各目标的权重可以根据实际情况进行调节,具有较强的灵活性,提出一种正反馈和负反馈并存机制的蚁群算法,其主要思想是,若前路径比以往求得的最好路径性能更优,则当前路径信息素将加强,同时用当前路径取代最好路径,否则当前路径信息素减弱.用该改进的蚁群算法求解无线传感器网络多目标路由问题,实验数据表明:改进的蚁群算法的路由各方面性能良好,并优于目前其他典型路由.     

二维具时滞Hopfield神经网络动力学行为研究

Hopfield神经网络模型是对人脑神经网络的某些机理与机制的抽象,它可以模拟大脑实现联想记忆和优化计算等方面的功能.本文对一类二维具时滞的Hopfield神经网络模型进行了理论分析,给出了系统可能出现的稳定平衡点、周期解以及混沌奇异吸引子的参数选取信息,并在理论分析的基础上进行了数值模拟,用计算机描绘出解曲线图.本结果对人工神经网络的应用提供参数依据.     

Online Distributed Fault Detection of Sensor Measurements

In wireless sensor networks (WSNs), a faulty sensor may produce incorrect data and transmit them to the other sensors. This would consume the limited energy and bandwidth of WSNs. Furthermore, the base station may make inappropriate decisions when it receives the incorrect data sent by the faulty sensors. To solve these problems, this paper develops an online distributed algorithm to detect such faults by exploring the weighted majority vote scheme. Considering the spatial correlations in WSNs, a faulty sensor can diagnose itself through utilizing the spatial and time information provided by its neighbor sensors. Simulation results show that even when as many as 30% of the sensors are faulty, over 95% of faults can be correctly detected with our algorithm. These results indicate that the proposed algorithm has excellent performance in detecting fault of sensor measurements in WSNs.