中国大陆AS级拓扑的测量与分析

通过大规模的多点主动测量,得出了更全面和准确的中国大陆AS级拓扑,并对其拓扑特征进行了全面的刻画。通过和目前各种流行的网络模型进行分析比较,发现PFP（positive-feedback preference）模型很好地模拟了中国大陆的AS级网络,这也说明了中国的AS级拓扑和全球AS级拓扑具有同一性。在此基础上,提出了互联网AS级的拓扑在特定地域和行政管理的划分下存在自相似特性的猜想。     

基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨

针对深度图像分辨率低、深度不连续性模糊问题,提出一种基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨方法。为了探究深度图像非局部相似块之间的相关性,提出了形状自适应的非局部回归。该方法对每个像素点提取其形状自适应块,并根据形状自适应块构建目标像素的相似像素组;然后针对相似像素组中的每个像素,结合同场景的高分辨率彩色图像获得非局部权重,从而构建非局部回归先验。为了保持深度图像的边缘信息,对图像梯度的非局部性进行探究。不同于总变分（TV）正则化对所有像素点梯度的零均值拉普拉斯分布假设,该方法利用深度图像梯度的非局部相似性,用非局部块估计特定像素点的梯度均值,并用学习到的均值来拟合各像素点的梯度分布。实验结果表明,相较于基于边缘不一致性评价模型（EIEM）,所提方法在Middlebury数据集上的2倍和4倍上采样率的平均绝对值差（MAD）分别下降了41.1%和40.8%。     

光突发交换网络中突发组装在自相似业务流下的汇聚性能分析

通过具有实际WAN包长分布特性的自相似业务流输入下的仿真,分析了光突发交换(OBS)网络中基于长度阈值、基于时间门限和基于混合门限三种典型突发组装机制的汇聚性能,包括光突发大小分布和组装时延.深入讨论了基于混合门限组装的突发大小和组装时延特性的平衡.仿真结果表明,输入业务的自相似性对于三种组装算法的突发大小分布和组装时延特性影响较小.对于基于混合门限组装,当组装长度阈值或组装时间门限超过失效因子之后其继续增加对于突发大小和组装时延的影响可以忽略.     

自相似网络业务的一个FARIMA模型

近来发现,高速网络业务具有自相似及长相关特性,分数噪声可描述该类业务。但它仅表现长相关特性,给出了利用ＦＡＲＩＭＡ模型拟合自似网络业务的一整套方法,该模型同时刻画了实际业务的长相关与短相关行性,通过对实测数据的实验, 模型的优效性。     

Representation of 1/ f signal with wavelet bases

The representation of 1/f signal with wavelet transformation is explored. It is shown that a class of 1/f signal can be represented via wavelet synthetic formula and that a statistically self-similar property of signals may be characterized by the correlation functions of wavelet coefficients in the wavelet domain.     

半固态A356合金初生相形貌分形维自相似性分析

为探明分形理论中自相似性在半固态金属凝固组织形貌的分形特征中的作用,利用数值处理软件Matlab中对图像信息的处理方法,引入信息熵值的概念,并结合分形维数的研究方法,通过计算和分析图片的信息量,对半固态A356合金凝固组织形貌的自相似性和形态分布进行了判断与分析。结果表明,半固态凝固组织的形成是一个广义的分形过程;分形尺度上的熵值及其变化能够有效地反映半固态凝固组织的形态和分布上的区别。这给半固态合金凝固组织均匀性的量化描述提供了方法。     

Performance Analysis of Reassembly and Multiplexing Queueing with Long-Range-Dependent Input Traffic

This paper studies the impact of long-range-dependent (LRD) traffic on the performance of reassembly and multiplexing queueing. A queueing model characterizing the general reassembly and multiplexing operations performed in packet networks is developed and analyzed. The buffer overflow probabilities for both reassembly and multiplexing queues are derived by extending renewal analysis and Bene fluid queue analysis, respectively. Tight upper and lower bounds of the frame loss probabilities are also analyzed and obtained. Our analysis is not based on existing asymptotic methods, and it provides new insights regarding the practical impact of LRD traffic. For the reassembly queue, the results show that LRD traffic and conventional Markov traffic yield similar queueing behavior. For the multiplexing queue, the results show that the LRD traffic has a significant impact on the buffer requirement when the target loss probability is small, including for practical ranges of buffer size or maximum delay.     

Gray-level image denoising with an improved weighted sparse coding

The nonlocal self-similarity of images means that groups of similar patches have low-dimensional property. The property has been previously used for image denoising, with particularly notable success via sparse coding. However, only a few studies have focused on the varying statistics of noise in different similar patches during the iterative denoising process. This has motivated us to introduce an improved weighted sparse coding for gray-level image denoising in this paper. On the basis of traditional sparse coding, we introduce a weight matrix to account for the noise variation characteristics of different similar patches, while introduce another weight matrix to make full use of the sparsity priors of natural images. The Maximum A-Posterior estimation (MAP) is used to obtain the closed-form solution of the proposed method. Experimental results demonstrate the competitiveness of the proposed method compared with that of state-of-the-art methods in both the objective and perceptual quality.     

复杂金融网络的自相似性研究

以股票为节点,选取适当阈值量化股票收益率序列间相关关系从而构建复杂金融网络。基于复杂网络的理论,讨论金融网络的度分布、平均最短路径和聚集系数,发现面向金融时间序列的股票网络具有小世界效应,无标度特性和一个很重要的特性—自相似性。该文用两种方法分析了网络的自相似性:一是提出用网络节点的度构造Hurst指数,定量分析金融网络的自相似性;二是金融网络的平均路径长度和聚集系数定性地分析了复杂网络的自相似性。     

结合支持向量回归和图像自相似的单幅图像超分辨率算法

目的 基于学习的单幅图像超分辨率算法是借助实例训练库由一幅低分辨率图像产生高分辨率图像。提出一种基于图像块自相似性和对非线性映射拟合较好的支持向量回归模型的单幅超分辨率方法,该方法不需使用外部图像训练库。方法 首先根据输入的低分辨率图像建立图像金字塔及包含低/高分辨率图像块对的集合;然后在低/高分辨率图像块对的集合中寻找与输入低分辨率图像块的相似块,利用支持向量回归模型学习这些低分辨率相似块和其对应的高分辨率图像块的中心像素之间的映射关系,进而得到未知高分辨率图像块的中心像素。结果 为了验证本文设计算法的有效性,选取结构和纹理不同的7幅彩色高分辨率图像,对其进行高斯模糊的2倍下采样后所得的低分辨率图像进行超分辨率重构,与双三次插值、基于稀疏表示及基于支持向量回归这3个超分辨率方法重建的高分辨率图像进行比较,峰值信噪比平均依次提升了2.37 dB、0.70 dB和0.57 dB。结论 实验结果表明,本文设计的算法能够很好地实现图像的超分辨率重构,特别是对纹理结构相似度高的图像具有更好的重构效果。