支持QoS的无线传感器网络容错拓扑控制算法

针对附加QoS需求的无线传感器网络,给出一种满足生命期和干扰服务要求的无线传感器网络无标度容错拓扑控制算法（scale-free fault-tolerance topology supporting quality of service,简称QoS-SFT）.通过分析无标度拓扑的度分布属性与其生命期和干扰性能的关联关系,量化出生命期和干扰联合优化的无标度拓扑度分布表达式,进而以无标度拓扑的度分布表达式为设计目标,采用偏好依附规则实现QoS-SFT算法设计,形成能够满足生命期和干扰联合优化要求的容错拓扑.理论分析和仿真结果表明,QoS-SFT算法不仅能够保证无标度拓扑的强容错性,还有效提升了无标度拓扑的生命期和干扰性能.     

云化元件区域重要度的构建与认识

为了使SFT中的相关概念和计算式更便于应用,且能表示原始故障数据的不确定性,使用云模型对SFT的相关概念进行云化。论文是云化环节中的一部分,即云化元件区域重要度,包括云化元件区域概率重要度和云化元件区域关键重要度。云化后的元件区域重要度能充分反映数据的模糊性、随机性和离散性,并且其计算过程较原方法更为实用。应用SFT一贯算例,结果表明各元件的云化元件区域概率重要度和云化元件区域关键重要度排序相同,即 。最后论述了云化元件区域重要度的必要性和意义。     

基于云化ANP的巷道冒顶影响因素重要性研究

为了解巷道冒顶事故影响因素之间的关系及导致事故发生的重要性排序,根据专家评判语言的特点及各因素之间存在的语义网络联系性,提出了将云模型嵌入ANP来解决上述问题,即云化ANP模型。该模型既有云模型处理不确定信息的能力,也具有ANP处理网状因素系统的能力,尤其适合处理冒顶这类具有不确定性数据的分析问题。给出了云化ANP的构建过程和分析步骤。结合专家调查所得数据分析了影响冒顶因素的重要性排序,所举实例分析的因素重要性排序为:稳定岩层距巷道顶板表面的距离 >地下水渗水量 >巷道的跨度 >稳定岩层厚度 >顶板岩石的抗压强度 。最后将云化ANP算法应用于类似算法所处理的例子,通过这些例子的结果分析了云化ANP算法的正确性。     

云化SFT下的径集域与割集域的重构与研究

为了克服原有SFT体系中径集域和割集域处理具有模糊性、随机性和离散性故障数据能力不足的问题,使用云模型和SFT相结合的方法来解决该问题。首先使用云模型云化SFT特征函数,得到云化特征函数,进而云化径集域和割集域,最终得到云化径集域和云化割集域。云化径集域和云化割集域没有严格的分界线,分布区域是通过云滴表示的。若云滴表示的元件/系统故障概率小于P_b,这些云滴存在的区域即为云化径集域;反之大于P_b的云滴存在的区域为云化割集域。通过实例分析了元件X₁和系统的云化径集域和云化割集域,得到了他们适合工作的环境因素变化范围组合。分析过程和结果表明云化径集域和云化割集域能克服原始故障数据的不确定性。     

多虚拟机实时迁移中自适应的迁移算法选择框架

IaaS云计算平台中主要通过实时迁移多台虚拟机来实现资源的动态调度、管理与优化。虽然Pre-copy和Post-copy是单虚拟机实时迁移的两种主流算法,且各有优缺点,但现有的多虚拟机实时迁移系统只是单一地使用其中一种迁移算法,无法根据各虚拟机的不同负载情况灵活选择最有效的迁移算法,降低了整体迁移效率。提出一种自适应的实时迁移算法选择框架,利用模糊聚类方法对待迁移的多虚拟机进行分类,按类别选择最适合的迁移算法。实验结果表明,所提出的迁移算法选择框架能够在多虚拟机实时迁移中发挥两个迁移算法的各自优势,有效提高整体的实时迁移性能。     

难解问题的固定参数近似算法研究进展

固定参数近似算法采用参数计算方法寻求问题的近似解,是实际中处理难解问题的一种新的有效手段。根据难解问题的参数计算复杂性类别,综述了固定参数可解问题、参数计算复杂性未定问题和W[t]-难问题(t≥1)固定参数近似算法近年来的研究进展。对于上述每一类问题,分别归纳了当前的主要研究结果,分析了其中的主要算法设计技术并探讨了有待研究的相关问题。     

基于身份加密的装备密钥分布式生成算法

为解决身份加密体制中单一密钥生成中心易遭受攻击的问题,借鉴网络中心战“去中心化”的思想,针对Lewko-Waters身份加密协议,提出了一种分布式密钥生成算法。在算法中,主密钥由密钥生成中心和密钥隐私中心共同掌握,用户密钥在密钥生成中心监管下由分布于网络中的各密钥隐私中心共同生成,有利于增强Lewko-Waters协议密钥管理体系的抗毁性、鲁棒性。最后,在标准模型中证明了该方案在选择明文攻击下的密文不可区分性,并进行了算法性能比较分析。     

基于模糊神经网络优化扩展卡尔曼滤波的锂离子电池荷电状态估计

电池荷电状态(state of charge,SOC)的精确估计是判断电池是否过充或过放的重要依据,是电动汽车安全、可靠运行的重要保障.传统基于扩展卡尔曼滤波(extended Kalman filter,EKF)的SOC估计方法过度依赖于精确的电池模型,并且要求系统噪声必须服从高斯白噪声分布.为解决上述问题,基于模糊神经网络(fuzzy neural network,FNN)建立模型误差预测模型,并藉此修正扩展卡尔曼滤波测量噪声协方差,以实现当模型误差较小时对状态估计进行测量更新,而当模型误差较大时只进行过程更新.仿真和实验结果表明,该算法能有效消除由于模型误差和测量噪声统计特性不确定而引入的SOC估计误差,误差在1.2%以内,并且具有较好的收敛性和鲁棒性,适用于电动汽车的各种复杂工况,应用价值较高.     

基于畸变模型优化的网络摄像机标定*

针对低分辨率网络数码摄像机用于定量量测的标定问题, 提出一种非线性畸变的构建与优化方法。该方法结合多项式模型与传统的畸变模型;利用回归分析原理对模型进行自动精化,以优选显著的畸变参数,从而建立了一种自适应的摄像机畸变模型。运用构建的畸变模型,利用自检校光束法平差方法对同种型号的三个低成本网络摄像机实施标定和畸变纠正。结果表明,该模型有效补偿了通用畸变模型残存的畸变系统差,同时有效的避免了过度参数化的问题,有助于提高摄像机的标定精度和稳健性,使得摄像机的标定精度达到子像素。     

网络空间终端设备识别框架

针对传统Web服务识别方法对服务器软件实现差异依赖性强、不利于扩展到其他终端设备等缺陷,提出了一种网络空间终端设备双重因素主动识别框架. 该框架从服务标识（Banner）和Web指纹两个角度分析终端设备网络指纹特征. 首先,从HTTP数据包头部的“Server”字段、“WWW-Authenticate”字段及HTML源代码中深入挖掘终端设备Web服务中的Banner信息;其次,从图片文件和文本文件中提取终端设备具有的Web指纹特征;同时,结合具体案例分析各识别方法的有效性及优缺点. 结果表明,该框架解决了传统识别方法中Banner信息获取途径单一、依赖服务器软件差异特征的问题,成功将Web服务识别方法扩展到了网络空间终端设备上. 最后,总结已有成果并探讨该框架未来改进方向.