基于YOLOv4的车辆检测与识别研究

对车辆信息进行监控是交通灯智能调控中的重要技术,为了应对当前车辆信息监控技术在精度、速度以及稳定性方面带来的挑战,文中提出了一种基于YOLOv4的车辆检测与识别算法。通过网络爬虫技术采集车辆数据集,并使用旋转、缩放以及加噪声等数据增强算法扩充各类车辆的数据集,再手动对数据集进行标注。使用K-means++聚类方式得到适应于该数据集的锚框坐标点,并用CIOU损失函数对训练过程进行优化,再经过CSPDarkNet53网络框架进行训练,发现实验结果达到了良好的效果,可满足实际应用的需要。     

基于复杂网络理论的WSN抗毁性研究

在基础是BA演化而得的WSN中，鉴于其对人为故意攻击有较差的抗打击能力以及WSN自身的特点，便引入了图论上的研究方法，即复杂网络理论。于是提出了一种将能量与传输半径作为限制条件的WSN模型，该演化是动态的。在模型的构建时，鉴于无线WSN拓扑的变化是由于网络中存在的有效节点所持有的度以及该节点所持有的剩下的能量和节点自身的传输半径变化产生的，故通过随机边的引入降低高度节点的度值，以达到提升被构建的WSN对蓄意攻击具有较高的抗毁性的目的。实验仿真结果显示，算法可以有效地改善整个WSN的对蓄意攻击的抗毁性。