WSN低功耗低时延路径式协同计算方法

针对云计算应用于无线传感器网络(Wireless Sensor Network,WSN)时延敏感型业务时存在的高传输时延问题,提出了一种WSN低功耗低时延路径式协同计算方法。该方法基于一种云雾网络架构开展研究,该架构利用汇聚节点组成雾计算层;在数据传输过程中基于雾计算层的计算能力分步骤完成任务计算,降低任务处理时延;由于汇聚节点计算能力较弱,时延降低将导致能耗增加,WSN工作寿命减短,为此提出能耗约束下的任务映射策略,并利用离散二进制粒子群优化(Binary Particle Swarm Optimization,BPSO)算法解决能耗约束下的时延优化问题。仿真结果表明,在相同的能耗约束下,对比其他算法,基于BPSO算法得出的映射方案能有效降低业务处理时延,满足时延敏感型业务的需求。     

基于业务优先级划分的虚拟网可靠性映射算法

现有研究在重映射失效虚拟网过程中未对不同类型的虚拟网承载业务进行有效区分,导致资源收益较低。为此,提出一种基于业务优先级划分的虚拟网可靠性映射算法。定义虚拟节点和虚拟链路的重要性指标,运用混合整数线性规划方法将基于业务优先级划分的虚拟网可靠性映射问题建模为最优化问题。在此基础上,提出快速可扩展的启发式虚拟网可靠性映射算法,以提高失效虚拟网的重映射效率。实验结果表明,该算法在虚拟网请求接受率、服务提供商收益和利润成本比3个指标上,表现优于FD-EVN、APG-TABU和MW-AC算法。     

加密环境下大数据特征集并行存储方法研究

针对传统方法存在数据存储速度慢,容量小的问题,提出一种加密环境下大数据特征集并行存储方法。采用MMSE算法对大数据特征集进行优化处理,以获得并行的大数据特征集。在加密环境下,当内存中保留数据记录达到一定数量时,在并行处理后的数据中插入批量Hash索引。以此为基础,基于Map函数对数据进行映射处理,进而完成对大数据特征集的并行存储。实验结果表明,利用所提方法的存储过程中数据分布通道具有较好的一致性,且存储速度约为传统方法的3倍,存储容量大。     

基于DAE-BP神经网络的股票预测研究

股票指标数据种类多、维度高，且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格，首先构建了基于受限布尔兹曼机的深度自编码器，实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明，深度自编码器提取特征的能力优于主成分分析法和因子分析法；相比较使用降维前的数据，使用编码后的数据用预测股票价格，模型可以减少计算开销，并且获得更高的预测精度。     

基于单常数Kubelka-Munk理论的棉纤维颜色预测

为解决混色棉纤维颜色预测效果较差、模型预测精度较低的问题,文章通过对Kubelka-Munk理论的分析,确定采用基于单常数Kubelka-Munk理论的配色模型对混色棉纤维进行预测。在明确此配色模型不足之处的基础上,提出了标准化映射的方法对模型进行适用性改进,消除极端K/S值对模型预测效果产生的不利影响,从而改善模型的颜色预测效果。通过试验发现,模型对混色棉纤维颜色预测的适用性有明显改善,改进后的单常数K-M模型对混色棉纤维颜色预测精度有大幅度提高。     

可装配式空间三平移柔顺机构拓扑构型研究

针对空间柔顺机构拓扑构型难以加工或加工成本过高的问题,提出一种可装配式空间柔顺拓扑设计方法。通过对空间3-PUU型并联机构运动学分析,得到其微分雅可比矩阵,建立空间三平移柔顺机构拓扑构型同构映射矩阵。采用同构映射矩阵与SIMP(Solid Isotropic Material with Penalization)插值模型相结合的拓扑优化方法,建立空间三平移柔顺机构拓扑模型并求解。通过对拓扑构型二次建模与静力学仿真对比分析,实时修正拓扑优化参数,采用3D打印实体模型进行相关试验分析。试验结果表明:文中所设计的空间三平移柔顺机构与3-PUU型并联机构具有同构性,为该类型柔顺机构精确建模与应用提供切实可行的途径。     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题，建立多重威布尔混合分布参数估计的非线性最小二乘模型，并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中，采用自适应方法调整惯性权重和加速因子，加快其收敛速度；引入模拟退火机制，根据Metropolis准则确定最优粒子的取舍，改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中，并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较，分析所提方法的优化性能及精度。结果表明，该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

基于反泄露傅里叶变换和凸集映射的OVT域数据重建方法

基于偏移距矢量面元(Offset Vector Tile,OVT)的地震数据处理方法可以较好地提高复杂地质体的成像精度。但由于采集成本和地理地质条件等因素的影响,常导致采集不规则,CMP覆盖次数不均匀,在OVT域内数据很难实现理想的规则采集。因此,数据重建技术是OVT域关键的处理技术之一。本文通过分析OVT域的数据特征,提出利用反泄漏傅里叶变换(anti-leakage Fourier transform,ALFT)和凸集映射(Projection Onto a Convex Set,POCS)联合进行OVT域数据重建的方法。利用反泄漏傅里叶变换可使重建结果在有限频宽内保持数据信号不受损失同时亦可压制高频信号的假频问题。通过模型数据随机抽稀后的重建结果与原始数据的对比分析,验证了本文所提方法的有效性和可行性。将该方法应用到南方某实际三维地震资料的处理中,数据重建前后的叠加剖面与偏移结果的效果对比,亦表明本方法在提高断层成像精度方面具有良好的效果。