WWW通信量自相似模型的建立与分析

近年来的大量研究表明，传统的泊松模型无法准确地描述实测网络通信量中的突发性，而自相似模型可以较好地刻画突发性。排队论的方法很适合用来进行网络建模。针对WWW通信量的自相似的主要成因，建立了排队模型M^x／D／1,模型的分析结果为WWW及相关性能指标的研究提供了理论依据。     

基于分形理论对天线的讨论

利用分形理论设计出的分形天线和分形天线阵,具有小巧、灵活、轻便、同时还具有多频带、宽频带和“自加载”特性,它们存在多种多样形式,在军事工业和通信行业将有很大的发展潜力。     

一种理性的建筑设计与评价视角——应用分形的建筑设计尝试

分形是对欧几里德几何体系的拓展和深化,其本质却是一种新的世界观和方法论.借助分形原理,人们一方面可以作为建筑设计的依据和手段,使建筑更加贴近自然和人性.另一方面,分形可对建筑进行量化的评价,这些无疑为建筑设计和评价提供了更科学的标准.     

面向VNDN的兴趣包洪泛攻击检测

在车载命名数据网络(VNDN)中, 兴趣包洪泛攻击(IFA)通过发送大量恶意兴趣包占用甚至耗尽网络资源, 导致合法用户的请求无法被满足, 严重危害了车联网的运行安全. 针对上述问题, 本文提出了一种基于流量监测的IFA检测方法. 首先构建基于RSU的分布式网络流量监测层, 每个RSU监测其通讯范围内的网络流量, RSU之间通信互联形成RSU网络流量监测层. 其次, 设定固定时间窗口, 对每个窗口内的网络流量通过信息熵、网络自相似性和奇异点3个维度进行分析. 其中, 为了利用信息熵反映兴趣包来源的分布, 在兴趣包中添加了新的字段. 最后, 综合上述3个指标, 判断兴趣包洪泛攻击的存在. 仿真实验结果表明, 本文提出的方法有效地提升了兴趣包洪泛攻击检测的准确率, 降低了误判率.     

三维点云模型特征张量描述符的构造及自相似性分析

三维模型局部自相似性是物体形状分析中的一个基本问题,其中,局部形状描述符的构建对自相似性分析的最终结果至关重要.针对此问题,提出了一种基于张量融合特征描述符的自相似性分析方法.首先利用相关面和反向点对点云模型进行形状直径函数(shapediameterfunction,SDF)的近似计算;然后利用谱聚类对模型进行过分割成模型子块,由K近邻(K-nearest neighbor, KNN)邻域点的SDF、形状指数(shape index, SI)和高斯曲率(Gauss curvature,GS)矩阵构造三维特征张量;最后利用张量范数构造映射得到形状描述符,并定义相似性度量分析模型子块之间的自相似性.对几种最新的方法(包括部分匹配和显著性检测)进行了实验,无论是直观视觉效果,还是相似性测度和相对误差上的评价指标,结果均表明,该方法可有效地对形状进行描述,提高了点云模型相似子块的识别精度.     

微信流量特性分析与建模

微信是现代互联网的主要应用之一,到目前为止有关微信流量特性分析与建模的研究较少.本文以微信流量为研究对象,分析验证微信流量同时具有自相似性和突发性.针对这两种特性进行微信流量建模,采用线性分形稳定噪声模型刻画微信流量特性,完成了模型的参数估算和效果分析.本文的研究成果是后续的网络性能分析、网络流量监管等的基础.     

基于非局部自相似性和低秩矩阵逼近的补全算法

针对传统矩阵补全算法在图像重建方面的不足,提出了一种基于非局部自相似性和低秩矩阵逼近（NL-LRMA）的补全算法。首先,通过相似性度量找到图像中局部块所对应的非局部相似块,并将相应灰度信息进行向量化,从而构建出非局部相似块矩阵;然后,针对所得相似矩阵的低秩性,对其进行低秩补全操作（LRMA）;最后,对补全结果进行重新组合,以达到恢复原始图像的目的。在灰度图像以及RGB图像上进行重建实验,结果表明：在经典数据集上,NL-LRMA算法要比原LRMA算法在平均峰值信噪比（PSNR）上高出4~7 dB;同时,新算法在视觉效果与PSNR值方面也明显优于迭代重加权核范数（IRNN）、加权核范数（WNNM）、LRMA等传统算法。总之,所提算法对传统算法在自然图像重建方面的不足进行了有效弥补,从而为图像重建提供了一种行之有效的解决方案。     

基于EBP的宏观网络流量异常行为检测

针对以往Hurst指数估算方法在求解精度和实时性上的不足,提出将EBP引入到网络流量白相似特性分析中,对比实验表明EBP对Hurst指数的估算更精确、实时性更高。利用EBP的这一优势将其运用到宏观网络行为的在线实时分析和异常行为的检测中,对林肯实验室宏观网络行为数据的分析表明,正常行为和异常行为的Hurst分布曲线差异明显。与传统匹配方法相比,基于EBP的异常行为检测方法检测效率更高。     

基于局部自相似性的遥感图像港口舰船检测

针对高分辨率可见光图像中靠岸舰船的灰度特征和纹理特征与港口设施极为相似而难以自动检测的问题,提出了一种利用邻域自相似局部特征提取算子提取港口舰船局部显著性特征,经过特征空间分析,并利用先验知识信息,自动检测港口舰船的算法和处理流程。实验结果表明,该处理方法具有较好的可操作性和鲁棒性,能够快速准确地检测出港口舰船目标。     

基于混合线性模型的图像去噪

现有的图像去噪算法大多假设图像为分段平滑信号,通过滤除图像中的振动分量达到去噪的效果.如果将这类方法应用于纹理图像,则会导致图像细节信息的损失.该文针对保留图像细节的问题,提出了基于混合线性模型的去噪方法.新方法不假设图像分段平滑,仅假设图像具有自相似性,利用图像的相似性区分图像信号与噪声.文中使用统计学习的方法对图像区域进行聚类,并得到图像主成份,以主成份作为信号分量重组图像,从而对纹理图像取得很好的去噪效果.