结构化对等网测量方法研究

网络测量是深入开展结构化对等网研究的基础,结构化对等网络协议设计、共享内容检索、态势感知乃至安全性的研究都需要以网络测量为前提.在节点分布对等、实时变化显著、未知瞬发扰动频繁的结构化对等网络中,获得其准确、完整的网络信息更是十分困难的.通过形式化分析结构化对等网节点搜索过程,研究节点信息在全网分布情况与查询返回率之间的关系,将历史测量数据与具体对等网特征信息相结合挖掘节点搜索优化策略,提出了一种网络资源占用显著降低、搜索速度较快、信息完备率较高的搜索测量优化方法.KAD 网络是目前得到大规模部署运行的为数不多的结构化对等网络之一,以KAD 网络为主要研究对象开发了KadCrawler 对等网搜索系统,进行了大量测量和分析,验证了搜索优化方法的可行性和有效性;同时,对当前KAD 网络拓扑结构特征、节点重名等现象进行了初步分析,发现KAD 网络近年来发生了显著的变化.     

基于无线网络车牌识别系统识别算法的研究

字符识别是智能车牌识别系统研究的核心问题,针对有线网络车牌识别系统的缺点,将BP算法应用在基于无线网络的车牌识别系统上,重点讨论了用改进的BP神经网络方法对车牌字符的识别;根据我国最新机动车号牌GA36-2007标准,设计出了用于车牌识别的3个神经网络,用MATLAB完成了对车牌字母部分识别的模拟,采用隐层节点22,动量因子0.8进行训练,最后得出实验结果,达到目标误差小于0.001的要求;证明这种方法应用在基于无线网络车牌识别系统上是高效的.     

一种基于KAD对等网络的互联网视听节目监测系统

论文简单介绍了互联网中KAD对等网络技术,并在此基础上,将一种基于KAD对等网络的互联网视听节目监测系统引入到互联网监测的技术领域中,提出一种全新的监测方案,伪装客户端并完全主动计算KAD网络节点遍历路径,这种以主动遍历节点的伪装客户端技术更具备自主性,并能及时对当前的监测过程和结果做出反应。     

飞行控制系统辨识的神经网络方法研究与仿真

飞行控制系统作为一个高维、时变和非线性的复杂系统,通过进行辨识可更好地完成系统控制与监控.针对复杂的飞行控制系统,为提高识别精度,提出一种改进的混合共轭梯度算法对BP神经网络各层间的连接权值进行训练,并利用训练所得的网络对飞行控制系统进行在线辨识,将辨识结果与传统的BP网络结果进行比较分析.应用某飞机六自由度模型进行仿真运算,结果表明提出的算法有效地提高了网络的辨识性能,并很好地完成了对系统的辨识.     

基于活跃节点的KAD网络高效查询方法

KAD网络的查询性能受到P2P节点动态特性的影响。以节点ID在路由表中重复出现的次数作为节点活跃度的表征,提出了一种基于活跃节点的KAD网络查询方法。该方法首先通过网络爬虫获取KAD网络的分布式路由信息,然后获取当前活跃节点的集合,最后将活跃节点作为查询过程中的备选节点。实验结果表明,与现有的查询方法相比,该方法在查询时间上减少了60%,在获取文件范围上提高了18%,较显著地提升了查询的效率。     

深度学习的双人交互行为识别与预测算法研究

基于卷积神经网络的双人交互行为识别算法存在提取的深度特征无法有效表征交互行为序列特性的问题,本文将长短期记忆网络与卷积神经网络模型相结合,提出了一种基于深度学习的双人交互行为识别与预测一体化方法。该方法在训练过程中,完成对卷积神经网络和长短期记忆网络模型的参数训练。在识别与预测过程中,将不同时间比例长度的未知动作类别的视频图像分别送入已经训练好的卷积神经网络模型提取深度特征,再将卷积神经网络提取的深度特征送入长短期记忆网络模型完成对双人交互行为的识别与预测。在国际公开的UT-interaction双人交互行为数据库进行测试的结果表明,该方法在保证计算量适当的同时对交互行为的正确识别率达到了92.31%,并且也可完成对未知动作的初步预测。     

基于BP神经网络的ZigBee无线定位技术

提出一种利用BP神经网络算法与RSSI测量值结合的新型定位方法。该方法首先建立一个定位环境模型,设定有限个数的参考节点．通过实测一定数量RSSI一坐标数据组作为样本数据训练得到一类BP神经网络模型。完成后的BP网络模型可用于盲点坐标的定位。实验表明,该方法具有较好的定位性能。     

基于BP神经网络的P2P流量识别研究

研究了BP神经网络技术,分析P2P流量的特征,构建BP网络,通过对该网络的足够训练,得到相关的测试结果.发现在网络中使用基于BP神经网络技术判定P2P流量方案可行而且具有适应性好、效率好等优势,并可以取代深层数据包检测等目前使用的技术手段,作为P2P流量识别的解决方案.     

基于不变矩特征和神经网络的人脸识别模型

不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例不变性,广泛应用于图像识别。该文将图像矩阵的不变矩作为识别特征,建立了人脸识别模型。将人脸图像经过不变矩特征提取、不变矩矢量标准化及不变矩矢量排列处理后,运用BP网络进行识别,经过竞争选择,获得识别结果。利用ORL人脸数据库进行仿真实验,结果表明,该文的人脸识别模型实现简单、识别率高、训练速度与识别速度较快、便于实时实现。     

基于PCA-SSA-BP神经网络的烟叶分级方法

基于机器视觉检测的烟叶分级方法,存在识别效率低、识别稳定性差等问题。针对这些问题,该文基于主成分分析（PCA）、麻雀搜索算法（SSA）、BP神经网络提出一种烟叶分级方法,首先对采集到的烟叶图像进行分析提取17个图像特征进行PCA降维处理,以消除冗余信息,结合烟叶分级标准并平衡烟叶分级的识别正确率和分级效率确定最佳降维的维数为七维;然后,将七维特征向量作为BP神经网络的输入,利用SSA对BP网络模型的权值和阈值进行优化,完成网络模型的训练。实验结果表明,PCA-SSA-BP模型的平均识别率达到96%以上,总运行时间为97.99 s,因此该方法能有效提高小样本烟叶分级的识别效率和识别稳定性。     

基于图像增强与样本平衡优化的行人属性识别

由于采用的监控图像尺寸较小、分辨率低等原因, 行人属性识别一直是一个极具挑战性的任务, 而低分辨率的图像往往又导致数据集存在识别行人主体区域不突出、背景噪音干扰严重等问题. 之前的方法大多将未作处理的原始图像作为输入, 使得属性识别效果一直不够理想, 并且, 属性识别的主流数据集通常存在正负样本不平衡的问题, 例如, 许多行人的服装属性分布有着季节性或习俗性的偏差. 因此, 本文提出一个新的深度学习网络——图像增强与样本平衡优化模型IEBO (image enhancement and sample balance optimization). 该模型通过色彩增强与提取行人主体区域的噪音抑制方法, 在突出行人核心特征的同时消除无用背景信息, 防止其对属性识别造成干扰. 另外模型通过权重调节针对样本不平衡的属性进行优化, 提高不平衡属性的识别能力. 实验最终表明, 新的行人属性识别模型在Market-1501-attribute数据集中取得了较好的性能.     

基于LM算法的领域概念实体属性关系抽取

针对非结构化自由文本中关系模式比较复杂,关系抽取性能不高的问题,该文提出了利用BP神经网络的优化算法-LM算法,对非结构化自由文本信息中的领域概念实体属性关系进行抽取。首先对语料进行预处理,然后利用CRFs模型对领域概念的实例、属性和属性值进行实体识别,然后根据领域中各类关系的特点分别进行特征提取,构造BP神经网络模型,利用LM算法抽取相应关系。和适用于二分类问题的SVM相比,人工神经网络优化算法自主学习能力强,识别精度高,更适用于多分类的问题。通过几组实验表明,该方法在领域概念实体属性关系抽取方面取得了良好的效果, F值提高了12.8%。     

IBNAD:一种基于交互的5G核心网网络功能异常检测模型

现有 5G(5th Generation Mobile Communication Technology)核心网异常检测主要基于信令流量深度解析, 但较少利用核心网网络功能交互关系的作用。针对上述问题, 提出一种基于交互的 5G 核心网网络功能异常检测模型。首先, 该模型以行为分析为驱动, 基于信令流量和网络功能注册数据提取多维属性, 通过行为画像来表征网络功能行为模式, 并采用集成学习算法RFECV(Recursive Feature Elimination with Cross-Validation)进行属性特征选择, 降低特征维度的同时筛选出与区分网络功能行为模式高度相关的属性特征。然后, 模型基于网络功能交互关系对核心网进行图建模, 建模后的图数据融合了网络功能属性信息和交互信息。最后, 模型通过基于空间域的图卷积网络聚合邻域节点属性信息和结构信息来融合行为模式特征, 新生成的节点表示用于分类, 从而将核心网网络功能异常检测问题转化为图节点分类问题。通过在 free5GC 仿真平台上采集数据, 并在搭建的异常检测系统中的实验表明, 该模型的异常检测性能优于基于属性特征分析的传统机器学习模型、基于结构特征分析的图嵌入模型及部分 5G 核心网异常检测模型。10%数据集作为训练集时, 所提模型的准确率比支持向量机模型提高 6.6%, 比Struc2vec 模型提高 13%, 比深度神经网络模型提高 8%。     

产品智能化设计中进行结构设计的方法

提出了联合采用聚类分析、模糊识别、基于实例的推理进行产品结构设计的方法,基本思想如下:①任一“产品超类”都可以按照“产品-部件-零件”的层次进行划分,由此建立一棵“树”。②一个“产品类”拥有许多以“参数”表达的技术属性。采用聚类的方法,可以把每个属性映射到“树”的某个结点,构成该结点的属性集,然后基于这个属性集、利用已有的产品实例建立一个对应于该结点的模糊模型。③采用模糊识别的方法,按照“树”的拓扑结构对当前待求的设计问题进行识别,实现产品在概念设计阶段的结构设计。④采用CBR方法,实现详细设计阶段的结构设计。本文方法适用于大多数机电产品的智能化设计。     

基于KAD网络的P2P流媒体点播系统节点路由算法的研究和改进

P2P流媒体的点播研究目前是个热点.在P2P Kademlia网架构分析的基础上,设计开发了一套基于KAD网络的P2P流媒体点播系统.首先描述了P2P Kademlia网络本身的路由与查找机制,之后提出了基于KAD网的P2P流媒体点播系统架构.然后重点描述了基于Kademlia网络的P2P流媒体的节点路由和查找改进算法,主要包括网络中P2P节点的加入机制、媒体资源发布机制、媒体资源的搜索和节点的离开机制等.通过对比实验,证明了本算法和方案支持P2P网络中的节点高效率的路由查找和维护,同时增强了P2P流媒体点播网络的健壮性和扩展性.最后展望了该领域的主要研究方向.     

新型灰狼算法的粗糙集属性约简及应用

粗糙集理论是模式识别和机器学习的重要内容,属性约简是粗糙集理论中核心步骤。然而传统的粗糙集理论对数据集进行属性约简,计算复杂度高,容易陷入局部最优解。提出了一种新型灰狼优化算法的粗糙集属性约简技术,可以很好地解决传统粗糙集理论出现的弊端。同时为了验证算法的可行性,采用国际通用UCI数据库进行验证,与两种传统的属性约简方法进行对比分析。实验结果表明,该方法属性约简个数少,识别精度高,证明该方法切实可行,操作简单。     

Sensor Network Structure Recognition Based on P-law

A sensor graph network is a sensor network model organized according to graph network structure. Structural unit and signal propagation of core nodes are the basic characteristics of sensor graph networks. In sensor networks, network structure recognition is the basis for accurate identification and effective prediction and control of node states. Aiming at the problems of difficult global structure identification and poor interpretability in complex sensor graph networks, based on the characteristics of sensor networks, a method is proposed to firstly unitize the graph network structure and then expand the unit based on the signal transmission path of the core node. This method which builds on unit patulousness and core node signal propagation (called p-law) can rapidly and effectively achieve the global structure identification of a sensor graph network. Different from the traditional graph network structure recognition algorithms such as modularity maximization and spectral clustering, the proposed method reveals the natural evolution process and law of graph network subgroup generation. Experimental results confirm the effectiveness, accuracy and rationality of the proposed method and suggest that our method can be a new approach for graph network global structure recognition.     

中医脉象的BP神经网络分类方法研究

为了实现中医脉象的客观、准确分类,文章提出了一种基于BP神经网络的脉象识别方法。考察了隐层节点数对网络收敛速度、识别正确率的影响以及学习率对收敛速度的影响,改进了网络训练算法。并选取了较好的学习率参数对脉象信号进行了网络训练,获得了满意的网络收敛误差和识别精度。最后用大量临床脉象样本对网络和算法进行了检验,实验结果表明该方法能够实现对中医常见脉象的准确、快速分类。     

三网融合下基于资源池化的视频业务管理策略

对现有KAD协议在高并发、高实时性需求环境中的优缺点进行分析。为减少系统信息的冗余和延迟时间,提出一种在三网融合背景下,基于服务节点资源池划分的改进KAD网络视频业务系统的调度管理策略。采用基于网络连通性的准则将视频业务网的服务节点划分为若干资源池,各池内部网络采用KAD方式进行组织。根据用户请求量的预测,采用池间资源租借的方式解决单个资源池由于业务量增大而导致的服务过载问题。实验结果表明,对于典型的视频业务请求,马尔科夫链预测法能够实现过载漏报率为0的精确预警,从而根据预测结果,并利用KAD网络灵活的扩展性及时地补充服务资源。