无线网络跨层技术及展望

跨层设计是提高无线网络综合性能的一种解决方案。文章针对跨层反馈原理，分析无线网络跨层设计方法，并概括其当前应用、存在的问题，最后预测其应用前景。     

一种基于组件结构的协同检测模型

本文针对检测分布式入侵时海量数据分析的应用需求，提出一种基于组件结构的协同检测模型。该模型将用于海量数据分析的相关组件独立出来封装成一个组件事务服务层， 通过聚类分析器、分类分析器等多个细粒度组件并行对海量数据进行压缩与分类，提取攻击特征值，从而不仅可以检测分布式入侵，而且加快了数据分析与处理速度，提高了了系统的可伸缩性。     

基于层次化分析的全网业务健康度评价

电信多业务融合的趋势推动运营商在全国范围内部署全网业务运营支撑系统.但传统的评价体系只关注某些单一指标,且忽视了客户的感知度.针对这个问题,提出将层次分析法应用到运营商的全网业务运营支撑系统的综合评价中.首先,根据实际应用,建立反映系统健康度的层次化的指标体系,进而用层次化方法建立因子集、评价集和权重集,实现对业务运营的质量等级的综合评判.实例表明,通过采用层次分析法计算评价,可以得到较好的层次化的定量和定性的分析.层次分析方法可操作性强、效果好,可在任何业务运营支撑系统质量评价中广泛应用.     

无线网络跨层技术及展望

跨层设计是提高无线网络综合性能的一种解决方案.文章针对跨层反馈原理,分析无线网络跨层设计方法,并概括基当前应用、存在的问题,最后预测基应用前景.     

TV-Retinex:一种快速图像增强算法

为了提高变分Retinex理论模型的增强效果和计算速度,提出一个用于彩色图像增强的模型.该模型采用全变分理论,使用L1范数替代原有变分模型中对光照图像进行约束的L2范数;使用切分Bregman迭代算法进行求解,由于L1范数与L2范数的凸性,该算法可以获得全局最优解.与原有变分模型进行比较的实验结果表明,文中模型在增强效果基本相近的情况下,计算速度提高了近40倍.     

基于局部聚类与图方法的半监督学习算法

基于图的算法已经成为半监督学习中的一种流行方法, 该方法把数据定义为图的节点, 用图的边表示数据之间的关系, 在各种数据分布情况下都具有很高的分类准确度. 然而图方法的计算复杂度比较高, 当图的规模比较大时, 计算所需要的时间和存储都非常大, 这在一定程度上限制了图方法的使用. 因此, 如何控制图的大小是基于图的半监督学习算法中的一个重要问题. 本文提出了一种基于密度估计的快速聚类方法, 可以在局部范围对数据点进行聚类, 以聚类形成的子集作为构图的节点, 从而大大降低了图的复杂度. 新的聚类方法计算量较小, 通过推导得到的距离函数能较好地保持原有数据分布. 实验结果表明, 通过局部聚类后构建的小图在分类效果上与在原图上的结果相当, 同时在计算速度上有极大的提高.