工业视频监控系统多播和单播的应用

本文分析了基于不同网络拓扑结构的单播多播应用,并结合试验进行了验证。本研究的主要结论在于：当网络节点数量不断增加时,多播算法的性能要优于单播算法,并且多播算法可以实现更低的网络带宽占用率。     

基于QOS升降级的无线单播多播混合带宽资源分配方法

在单播与多播混合服务的OFDM蜂窝系统中,因负载较重而使带宽资源被完全占用时,为接纳更多的多播用户,在单播多媒体用户可接受的范围内提出:基于信道容量平滑的QoS升降级带宽借用方法.通过建立QoS升降级的子载波借用模型和CUpDown-QoS算法,达到最大化多播用户数和减小多播切换呼叫中断率;提出了GoS保证下,限制新呼叫的动态带宽借用阈值,给出基于Markov模型的CBP(Call Blocking Probability)与HDP(Handoff Dropping Probability)最优折中的阈值确定方法,以及多播优先的动态带宽借用策略对阈值确定的影响.     

无线传感器网络中能量均衡的组播路由协议

以锚节点与监测区域相距很远的无线传感器网络为研究对象,提出了一种能量均衡的组播路由算法.该算法分成两个阶段:在第一阶段,前向转发区域内的候选节点通过依据自己的剩余能量及到接入点的距离设定定时器来竞争转发数据包;在第二阶段,算法在多播区构建一棵以接入节点为根节点的组播树,树中的节点根据当前父节点及候选节点的剩余能量更新父节点.     

单端行波测距新算法的研究

传统的单端测距算法需要考虑时间和行波波速两个因素,本文在原有的单端测距算法的基础上消去了行波波速参数,提出了一种不受行波波速影响的的单端测距新算法,与之前的单端行波测距算法相比该算法不受行波波速的影响的优点,而且计算方便、精确.经过ATP对该算法进行仿真验证,仿真结果证明了该算法的实用性.用该算法在超高压长距离输电线路测距误差可以保持在400m以内,更好的满足了电网的可靠运行要求.     

基于图像处理技术的棒材自动计数算法研究

目前轧钢生产线上棒材自动计数还是该领域的世界难题,大多数棒材生产线打捆之前都采用人工或机械装置计数,劳动强度大且效率较低,无法有效解决棒材重叠交叉的问题.采用图像处理和机器人技术,不但能满足实时性的要求,而且能够实现棒材的准确分离.本文对棒材图像的处理算法进行了详细研究和设计,并用VC++编写了算法程序,结果表明本文所设计的算法能够达到100%的计数精度,图像处理时间满足生产线的实时性要求.     

基于粒子群空间重组的大数据优化聚类算法

大数据聚类在模式识别和故障诊断等领域具有较好的应用价值。提出一种基于粒子群空间重组的大数据优化聚类算法。首先分析了标准粒子群算法,研究粒子群算法实现大数据聚类的原理。采用粒子群空间重组方法实现对大数据信息流特征矢量重构和提取,实现优化聚类。仿真结果表明,采用该算法进行大数据聚类,能有效提高数据分类的准确性,降低误分率,提高了数据挖掘和特征提取性能。     

一种实时有效的蜂群模式挖掘算法

针对实时相关运动模式挖掘应用的需求,提出了一种实时地发现关闭蜂群模式的簇重组算法(CLUR).该算法维护一个候选蜂群模式列表,在每个时间戳采用基于密度的聚类算法对移动目标进行聚类,根据聚类结果组合所有的最大移动目标集,记录相应的时间集,然后构建候选蜂群模式,并更新到候选列表.算法给出了三种更新规则和一种插入规则,用于实现候选蜂群模式列表的更新,同时降低了候选列表的冗余度,提高了算法的效率.在每个时间戳结束时可通过关闭检测规则实时地发现当前时刻的关闭蜂群模式.在合成数据上的综合实验验证了CLUR算法的正确性、实时性和高效性,CLUR算法适用于实时相关运动模式挖掘系统.      

基于NS2的Ad Hoc网络DRMR协议计算机仿真

针对现存多种Ad Hoc组播路由协议的有效性差、控制开销大等问题,设计并实现了一种基于动态广播环的组播路由(DRMR:Dynamic Ring based Multicast Routing)协议,确定了DRMR协议的实现框架,定义了各功能模块.在该协议中,组播路由建立和维护每个组成员广播环所构成的连通环图,当组成员广播环离开连通环图时,采用逐步扩大广播环的半径恢复其连通性.仿真结果表明,DRMR协议具有较高的数据分组递交率和较低的路由维护开销,其总体控制开销比基于需求的多播路由协议节省,能满足Ad Hoc网络对组播应用的要求,对研究Ad Hoc网络人员具有实际参考价值.     

利用Win2k的媒体服务在LAN上实况多播电视

本文首先讲述了单播、多播、点播和广播的特点和对网络的影响，然后了利用微软的Windows媒体服务在局域网上实况多播电视所需要的方法和配置。     

基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.