障碍物下辅助力导引IWD优化传感器部署策略

为进一步提升传感器节点部署算法性能,提出基于智能水滴优化(Intelligent water drop algorithm,IWD)辅助力导引的传感器节点部署算法.首先,对障碍物存在情况下的结构模型进行设计,给出该模型的路径损耗指数和通信半径的计算策略,同时对传感器节点IWD优化部署策略进行流程设计;其次,为增强传统IWD算法性能,采用辅助力导引方式对传统IWD进化泥土参数更新进行重新设计,增强泥土更新后水滴多样性保持效果,从而实现算法性能提升;最后,利用MATLAB制作了大小为60m×70m,规模为100组节点,包含障碍物4个的仿真算例,并选取标准IWD优化策略和差分进化算法作为对比算法,对所提算法在传感器节点部署上的覆盖率和效率优势进行验证.     

基于节点标号的Koch网络结构性质研究

针对正多边形Koch分形岛所映射成的Koch网络,根据节点接入网络的时间和位置信息给节点标号。在节点标号的基础上,研究网络的最短路由及计算最短路径长度;并分析网络的主要结构性质,如节点的度、度分布和累积度分布函数,以及网络的聚类系数、平均最短路径长度、度关联函数和介数中心性,得出结构性质的解析解。结果表明,所构建的Koch网络是无标度和小世界的;其聚类系数趋向于比较大的常数值;平均路径长度与网络节点数的对数呈正比关系,度相关函数、点介数和边介数都随节点度的变化而指数变化。     

强边着色猜想问题的最优图

著名图论专家Erds和Nesetǐil对图的强边色数上界提出了一个猜想:当最大度Δ为偶数时,χ's(G)≤5/4Δ~2;当最大度Δ为奇数时,χ's(G)≤1/4(5Δ~2-2Δ+1);并且给出了当Δ=4时的最优图.此处构造了一族图,并证明了当最大度为奇数时,如果Erd9s和Ne2etǐil提出的强边着色猜想成立,则猜想中的上界是最优的.     

条件故障下3-元n-立方体的容错分析

研究了条件边故障下3-元n-立方体中较大连通分支点的数目，进而证明了3-元n-立方体是(4n－6)-条件边故障强Menger边连通的。最后通过一个反例说明该结果是最优的。     

微波接力组网的节点再优化研究

为进一步完善常规方法构建的微波接力网组网拓扑,提出了一种基于最优链路集的网络节点再优化方法。该方法综合考虑节点吸引系数、链路衰落概率、节点通信冗余等因素,借助网络拓扑优化的思想,采用遗传算法构造了微波接力网的最优链路集;以节点在该集合中的度为依据,通过对节点的合理排序,以部分用户节点代替非必要的干线节点,完善了组网拓扑。在修改链路和节点价值集后,该方法还可解决其他网络干线、中继节点的选择问题。     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

基于红外光的语音传输及中继系统设计

设计的红外通信及中继装置是以红外光为传输媒质,运用数字锁相环集成电路,实现红外语音的直接通信和经过多个中继节点的间接远距离通信。该装置由红外发射、接收以及中继部分组成,能够实现远距离的多方向、多节点语音传输,并且具有较高的传输速度、干扰小、系统稳定可靠、成本低廉、制作简单和传输距离可根据需要、利用多个中继节点延长的特点,在实际中有着很好的应用前景。     

Latent Co-interests' Relationship Prediction

With the development of the social media and Internet, discovering latent information from massive information is becoming particularly relevant to improving user experience. Research efforts based on preferences and relationships between users have attracted more and more attention. Predictive problems, such as inferring friend relationship and co-author relationship between users have been explored. However, many such methods are based on analyzing either node features or the network structures separately, few have tried to tackle both of them at the same time. In this paper, in order to discover latent co-interests’ relationship, we not only consider users’ attributes but network information as well. In addition, we propose an Interest-based Factor Graph Model (I-FGM) to incorporate these factors. Experiments on two data sets (bookmarking and music network) demonstrate that this predictive method can achieve better results than the other three methods (ANN, NB, and SVM).     

数字图像连续表示及应用

研究了离散图像的连续表示及重建问题.首先利用弦理论,给出了图像的连续表示形式,然后利用付里叶变换实现了图像连续表示及重建的快速算法,接着将它们应用于图像无级缩放、图像平滑、边缘检测、角点检测,并与传统离散图像处理方法的实验结果进行了比较.实验结果表明:利用图像连续表示方法处理离散图像可以得到不差于传统的离散图像处理方法处理的结果,此方法使离散图像的解析法处理成为可能.