无线传感器网络路由协议研究进展

无线传感器网络具有与传统网络不同的特点,且与应用高度相关.传统路由协议不能有效地用于无线传感器网络,因而人们研究了众多的无线传感器网络路由协议.在介绍无线传感器网络的特点后,提出了路由协议的分类方法,然后着重分析了当前一些较为重要的路由协议的核心路由机制,并采用比较方式指出了这些路由协议的类别、特点和主要应用范围.最后总结了好的路由协议应具有的特点以及未来的研究策略与发展趋势.  

一种更简化而高效的粒子群优化算法

针对基本粒子群优化(basic particle swarm optimization,简称bPSO)算法容易陷入局部极值、进化后期的收敛速度慢和精度低等缺点,采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出了简化粒子群优化(simple particle swarm optimization,简称sPSO)算法、带极值扰动粒子群优化(extremum disturbed particle swarm optimization,简称tPSO)算法和基于二者的带极值扰动的简化粒子群优化(ext  

异构传感器网络的分布式能量有效成簇算法

为了延长网络的生存时间,需要设计能量有效的协议,以适应传感器网络的特点.成簇算法是传感器网络中减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络的生存时间.研究了异构传感器网络中成簇算法在节省能量方面的性能,提出一种适应异构无线传感器网络的分布式能量有效的成簇方案.此方案基于节点剩余能量与网络节点的平均能量的比例来选举簇头节点.较高初始能量和剩余能量的节点比低能量节点拥有更多的机会成为簇头节点,从而使网络能量均匀消耗,延长网络的生存时间.模拟实验结果显示,与现有的重要成簇方案相比,新的成簇算法在异构网络下提供了更长的网络生存时间和更大的网络有效吞吐量.  

数字图像修复技术综述

图像修复是图像复原研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,其可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。为了使人们对该技术有个概略了解,在对目前有关数字图像修复技术的文献进行理解和综合的基础上,首先通过对数字图像修复问题的描述,揭示了数字图像修复的数学背景;接着分别介绍了以下两类图像修复技术:一类是基于几何图像模型的图像修补(inpainting)技术,该技术特别适用于修补图像中的小尺度缺损;另一类是基于纹理合成的图像补全(comp letion)技术,该技术对于填充图像中大的丢失块有较好的效果;然后给出了这两类方法的应用实例;最后基于对数字图像修复问题的理解,提出了对数字图像修复技术的一些展望。  

EADEEG:能量感知的无线传感器网络数据收集协议

提出了一种基于簇结构的无线传感器网络数据收集协议EADEEG(an energy-aware data gathering protocol for wireless sensor networks).EADEEG通过最小化网络通信开销以及良好的能量负载平衡方法,可以有效地延长网络寿命.与以前的相关研究相比,EADEEG采用了一种全新的簇头竞争参数,能够更好地解决节点能量异构问题.此外,EADEEG也采用了一种简单而有效的簇内节点调度算法,通过控制活动节点的密度,可以在不增加额外控制开销的条件下关闭冗余节点并保证覆盖要求,因此可以进一步延长网络寿命.模拟实验证明,在节点初始能量同构和异构两种情况下,EADEEG协议都能够满足用户对覆盖率的要求,并在网络寿命上大幅度优于LEACH(low energy adaptive clustering hierarchy),PEGASIS(power-efficient gathering in sensor information systems)和DEEG(distributed energy-efficient data gathering and aggregation protocol)协议.  

图象阈值选取方法的构造

阈值选取是图象处理与分析问题的基础，如何才能正确地找到适当的阈值，是一个古老而重要的问题，目前已有的若干阈值选取方法并不能适应所有的实际图象，常常需根据具体情况自己构造新的阈值选取方法。通过对一种较通用的阈值选取方法构造模式的讨论，提出了一种解决具体问题时构造阈值选取方法的可行思路，并通过一些常用的阈值选取方法和一些新的阈值选取方法的导出，对共有效性进行了验证，通过分析，根据实际图象的具体特点可以  

基于免疫的网络监控模型

传统计算机免疫系统检测器训练效率低下，自体／非自体定义缺乏动态的演化机制，适应性较差，不能满足真实网络环境下网络监控的需求．有鉴于此，该文提出了一种新型的基于免疫的网络监控模型（AINM），给出了自体、非自体、抗原、检测器以及证据的形式定义，建立了自体、抗原、动态取证、免疫耐受、检测器的生命周期以及免疫记忆的动态模型及相应的递推方程，并对模型进行了仿真．实验表明这种新型的网络监控模型具有良好的多样性、实时性和自适应能力．  

SOM神经网络算法的研究与进展

自组织映射(Self-organizing Maps，SOM)算法是一种无导师学习方法，具有良好的自组织、可视化等特性，已经得到了广泛的应用和研究。该文系统地介绍了SOM算法的产生背景、基本算法。同时对SOM算法的参数设置和其不足进行了分析。重点归纳了其发展过程中的各种改进算法，并对其研究热点及应用领域作了简要的综述，最后展望了该算法的发展方向。  

一种新的基于多启发式的特征选择算法

在查询扩展方法中，如果通过查询结果中关键词的上下文来计算候选关键词的权重，将权重大的词作为查询扩展词，其候选关键词来源于文档中关键词的上下文，这种方法存在主题漂移的问题。为了解决这个问题，提出一种将初始查询结果过滤，只选择与源文档语境相似的搜索结果，来帮助选择查询扩展词的方法。实验结果表明该方法能获得更合适的查询扩展词。  

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性，提出一种实数编码混沌量子遗传算法（RCQGA）．该算法在解空间内将实数染色体通过反向变换映射到量子位，采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索．实验结果表明，RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点，而且可以减少寻优的计算复杂度，具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点，适用于工程应用中的复杂函数优化问题．