面向前向纠错的无线Mesh网多播差错控制协议

针对无线Mesh网现有媒体访问控制层协议进行多播时效率较低的问题,在分层信标驱动的无线Mesh网多播差错控制协议(Layer-BLBP)的基础上,提出了一种面向前向纠错的无线Mesh网多播差错控制协议———混合分层信标帧驱动协议(HLBLBP).该协议通过引入前向纠错技术和减少多播纠错时控制帧数量来降低重传次数,从而提高了用于数据传输的实际开销占整个多播过程的时间比例.仿真实验结果表明,新协议有效提高了多播网络的总体性能,提供的实际吞吐率比Layer-BLBP提高了25%以上.     

采用约束蚁群优化的贝叶斯网结构学习算法

针对贝叶斯网络结构学习问题,提出了一种约束蚁群优化算法.该算法根据贝叶斯得分的局部一致性原理设计了一种增边规则,并且将此规则引入蚁群算法的框架中,从而实现了在搜索过程中利用启发式信息动态缩减搜索空间、同时减少运行时间的目的.此外,还从理论上证明了增边规则的正确性,而且从实验角度讨论了约束蚁群优化算法的参数敏感性.实验结果表明,在解决较大规模的贝叶斯网络结构学习问题时,约束蚁群优化算法在保证求解精度的条件下比蚁群优化算法的运行时间减少40%以上.     

基于复杂网络的脑电信号回归分析

基于相点距离集合确定脑电信号的相空间重构嵌入维数,并得到时间序列的相空间轨迹.把由相空间轨迹构成的回归矩阵转化为复杂网络的连接矩阵,并用复杂网络的特征参量表征回归矩阵的性质.实验结果表明,由不同生理状态的脑电信号构成的回归矩阵呈现出普适和非普适特征,也就是小世界特征的一致性和聚类结构的差异性.这些结论与实际脑网络的小世界特征和脑功能区域的聚类结构能够很好吻合.     

基于时空关系的手机定位数据处理方法

应用手机定位技术进行交通信息的采集是当前国内外研究的一个热点.但是效果并不如人意,其中手机定位数据中包含了大量的“噪声”是一个重要原因.以某区域的手机定位数据作为对象,结合CELL_ID定位技术与手机切换的原理,首先根据蜂窝网基站的点数据,创建了与之对应的点、面图层;然后采用基于GIS时空关系的方法,对手机定位数据中“...     

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.     

移动办公门户平台中日志管理的研究与设计

移动办公门户运行管理系统是一个安全性因素很重要的系统,日志管理在整个系统中担任着重要功能,用于记录访问行为。日志记录通过事后的分析可以帮助查明危害的来源,而且它确实是移动办公安全审计必不可少的一部分。运用Log4J工具,使用Java语言开发了移动办公门户中的日志系统,帮助理解用户行为,从而改进服务,为用户提供更加个性化的服务。     

基于可视图的衡阳市大气污染物时间序列分析

为研究大气污染物时间序列的非线性特征,基于2016年1月至2017年12月衡阳市PM2.5和PM10质量浓度时间序列,应用可视图方法将两组时间序列映射到复杂网络中,并研究了相应网络的拓扑性质.结果表明:PM2.5和PM10浓度时间序列网络的平均聚类系数、直径、网络密度和平均路径长度等网络特征参数和统计特征参数基本相同....     

无线Ad Hoc网络中一种基于DSR的路由缩短策略

无线Ad Hoc网络中随着节点的运动,可能会导致路径中原本不相邻的上游节点与下游节点之间的距离变短,造成原来的路径不是最短路径。针对这个问题,在DSR路由协议的基础上,提出了一种缩短路由的策略,并且给出了路由缩短请求包的格式。     

网络科学的理论模型探索及其进展

简要评述了复杂网络分类和研究概况,着重概述了近年来本研究项目在网络科学的理论模型方面的探索及其进展。提出和探索了若干模型:和谐统一的混合择优模型,大统一混合网络模型,量子信息网络模型,纳米相干网络模型,局域世界演化模型,非局域连接模型,社区网络模型,属性连接网络模型,含权科学家合作模型,同步最优网络模型,以及广义同步和集团同步等问题。     

具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks, RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。