融合多种支持度定义的频繁情节挖掘算法

事件序列中蕴藏的频繁情节刻画了用户或系统的行为规律.现有的频繁情节挖掘算法在各自支持度定义下具有较好的挖掘效果，但在支持度定义发生变化时却很难甚至无法直接挖掘频繁情节.针对用户多变的支持度定义需求，提出了一种频繁情节挖掘算法FEM-DFS（frequent episode mining-depth first search）.该算法通过单遍扫描事件序列，以深度优先搜索方式来发现频繁情节，以共享前/后缀树来存储频繁情节，以单调性、前缀单调性或后缀单调性来压缩频繁情节的搜索空间.实验评估证实了所提出算法的有效性.     

基于蜂窝网络的D2D通信传输模式选择方案

D2D技术作为5G通信的一项关键技术,其优势之一为利用D2D用户间的短距离通信来提高端到端的传输速率。而当D2D用户间距离较大时,由于用户发射功率有限,这一特性不再凸显。本文考虑利用中继技术增强D2D链路的性能。在传统D2D通信模型的基础上,本文进一步分析研究了放大转发（Amplify-and-forward,AF）和译码转发（Decode-and-forward,DF）两种中继辅助下的D2D通信模型,并提出了相应的模式间选择方案。特别地,该模式选择方案以闭式解的形式表述,且仅包含基本数学表达式。仿真结果表明,采用本文所提出的模式选择方案后,随着系统参数的变化,系统始终选择性能最优的通信模式进行端到端的通信,系统性能得到了显著提升。     

基于反向拍卖的电动汽车能源交易激励机制

电动汽车通过泛在电力物联网(Ubiquitous Power Internet of Things, UPIoT)作为移动负载向电力系统提供电力储备，在增强电网稳定性等方面被认为具有巨大潜力，随着电动汽车数量的极速增涨，基于电动汽车的能源交易引起了能源供应商的广泛关注。基于此，提出一种基于反向拍卖的电动汽车能源交易激励方案。在定价过程中引入多用户协商博弈框架，进而制定电动汽车的最优定价支付策略；并以最大化能源聚合商的收益为目标，提出了预算受限的车辆选择算法。经与已有方案进行仿真对比，所提方案在降低能源聚合商成本、提高能源聚合商收益和激励车辆放电方面都具有较好的性能。