改进的所有者顾客水印协议

在网络环境下，不仅需要保护版权人的版权，水印产品的合法顾客的权益也受到成胁，同样需要保护。研究者设计出一些特殊的水印模型、协议来以保护合法顾客的权益，所有者顾客水印协议就是这样的一个协议。本文在详细研充了该协议的工作原理之后，分析了其不足之处，针对其不足提出改进，分析表明本文的改进是有效的。     

基于特征选择的集成分类器抗噪性能分析

特征选择有助于增强集成分类器成员间的随机差异性,从而提高泛化精度。研究了随机子空间法（RandomSub-space）和旋转森林法（RotationForest）两种基于特征选择的集成分类器构造算法,分析讨论了两算法特征选择的方式与随机差异程度之间的关系。通过对UCI数据集引入噪声,比较两者在噪声环境下的分类精度。实验结果表明：当噪声增加及特征关联度下降时,基本学习算法及噪声程度对集成效果均有影响,当噪声增强到一定程度后。集成效果和单分类器的性能趋于一致。     

利用 Mesh 技术的广西无线城市组网研究

随着通讯技术的不断发展以及北部湾开发建设的客观需要,广西自治区各大中城市开始了“无线城市”信息化建设,在几年内,将建成无线城市群.为了给广西无线城市建设网提供建设性意见和技术支持,文章主要通过对比和举例说明对无线城市组网技术的方式进行探讨,分析传统的 Wifi 方式无线城市建设存在的不足,讨论了利用 Wifi Mesh 方式进行组网的优点以及要解决的问题,特别是从组网的投资成本,便利性,以及安全性和环保性进行相应的论述.得到了相应的研究结果,为广西无线城市群的建设提供有力的依据.     

一种基于改进PSO的K—means优化聚类算法

针对传统的K—means算法对初始聚类中心的选取敏感、容易收敛到局部最优的缺点,提出一种基于改进粒子群优化算法（PSO）的K—means优化聚类算法。该算法利用PSO算法强大的全局搜索能力对初始聚类中心的选取进行优化：通过动态调整惯性权重等参数增强PSO算法的性能;利用群体适应度方差决定算法中前部分PSO算法和后部分K—means算法的转换时机;设置变量实时监控各个粒子和粒子群的最优值变化情况,及时地对出现早熟收敛的粒子进行变异操作,从而为K—means算法搜索到全局最优的初始聚类中心,使聚类结果不受初始聚类中心影响,易于获得全局最优解。实验结果表明文中提出的改进算法与传统聚类算法相比具有更高的聚类正确率、更好的聚类质量及全局搜索能力。     

基于无线携能通信的传感云系统Sink节点最优能效策略

无线携能通信能够提升传感器网络的能量效率和资源复用率,然而当前研究均优化无线携能通信参数以实现系统增益,忽略了信道质量变化对系统能量效率的影响.为了解决该问题,针对无线携能通信的传感云系统,提出基于最优停止理论的Sink节点能效优化策略.首先设计下行无线携能通信、上行信息传输的工作时序,其中下行阶段Sink节点采用机会调度策略,选择信道质量较好时刻开始下行链路传输.Sink节点能效定义为系统所实现的上行吞吐量与下行能耗之比.继而基于最优停止理论,建立Sink节点能效最优化问题并证明该问题存在最优停止规则.最后设计最优能效算法求解Sink节点最优下行无线携能传输时刻,从而制定相应的能效优化策略.通过仿真实验验证最优能效算法的有效性与性能,同时通过不同策略的对比验证所提策略在提升Sink节点能效方面的优势.     

一种基于网络编码的组播路由算法

网络编码是2000年提出的一种新算法,其主要优点是使组播传输速率能达到理论上限值.介绍了传统组播路由算法的局限性,分析了现有网络编码算法的优点和不足,在某个改进的网络编码数学模型上,提出了一种静态分布式分层网络编码SDLNC算法(Static Distributed Layered Network Coding).模拟实验表明,该算法可以显著提高组播路由的数据传输速率.     

基于802.11的无线Mesh网络可用带宽估计方法

可用带宽估计方法是提高网络QoS水平的关键技术.通过分析无线Mesh网络的特点与无线信号通信的特征,并建立信号信道容量与发送功率和接收功率在理想通信系统中的数量关系,建立了可用带宽与发送功率和接收功率的数量关系,提出了通过计算无线Mesh网络节点信号容量来估计无线Mesh网络链路可用带宽的方法,从而使得可用带宽估计方法在无线Mesh网络的估计结果更接近真实值.实验结果表明,该方法估计的结果更接近真实的可用带宽,在无线Mesh网络中的精确度要高于APEAB方法,可以为网络管理、流量控制和保证Qos提供参考.     

改进的粒子群优化算法在QoS选播路由中的应用

QoS选播路由问题是一个非线性的组合优化问题,已被证明是NP完全问题.提出一种基于改进的粒子群优化的多QoS选播路由算法.算法引入一种特殊相加算子,让较差的路径能够不断向较好的路径学习,使算法尽可能向全局最优者靠近;设计一种随机变异算子,通过对全局极值进行随机变异,保证了粒子的多样性,提高了算法跳出局部最优解的能力.实验结果表明,该算法是可行和有效的,能够在资源预留的基础上较好地满足用户对带宽和时延的要求.     

一种基于控制点差分数据的NURBS曲线曲面数据优化压缩方法

针对协同设计中数据传输的需求,以去除数据冗余为目标,提出一种基于控制点坐标差分数据的NURBS自由曲线曲面的数据优化压缩方法.该方法的思路是:以权因子为基础整合坐标数据分量,使原数据所具有的几何意义与数据压缩过程紧密联系起来;再利用离散余弦变换,对控制顶点坐标分量的差分值矩阵进行变换;最后进行量化压缩处理,并根据目标压缩率选取量化压缩比.方法在有效压缩数据的同时使传送的压缩数据中携带了压缩复原数据的累计误差.实例应用分析给出了压缩复原数据与原始数据的数据误差,说明在不显著增加误差的基础上此数据压缩方法能有效减少数据量.     

可充电传感网中移动式能量补给及数据收集策略研究

可充电无线传感器网络是一种新型的无线传感网,它利用移动充电车在收集数据的同时给能量低的节点充电,可广泛应用于需要长期监测环境的应用中。但是,移动充电车如何在给定的延迟内完成数据收集,降低网络能耗并尽可能多地给低能量节点补充能量是一个具有挑战性的问题。因此提出一个新的算法RSEP(Root Selection with Energy Prediction)。首先,限定充电车的路径长度以保证延迟。然后,将路径上的低能量节点作为根节点,构造多棵数据收集树。若根节点能量可以保证其短期内不会死亡,则从树中寻找一条等于树的直径的路径。在该路径上选取网络中邻居最多的节点作为新的根节点,以改变树的结构来降低树高。树上的节点将它们的数据及能量信息沿着树传送到根节点。最后,移动充电车沿着充电路径为各个根节点充电时,就可以收集各个树上节点的数据及能量信息。此外,充电车收集到的能量信息会随着时间推移而“过时”,而能量信息是根节点选择时的重要参考因素。因此,充电车利用马尔科夫模型预测节点在下一轮数据收集开始时的能量,从而优化根节点的选择。仿真实验结果表明,与目前已有的算法相比,RSEP算法可以以较少的网络总能耗完成充电,并且每轮充电时间均较短。