机会网络中的邻居发现性能优化方法分析

由于机会网络的节点移动性、能量有限性和网络稀疏性等,数据传输困难,选择一种可靠高效的邻居发现方法非常重要。现有的算法未能达到预期的性能优化效果,如主动探测方法是通过节点广播探测包来发现邻居节点,会消耗大量能量;被动侦听方法则是通过不断地侦听信道解析数据帧以得到邻居节点的信息,却无法准确侦听到所有邻居。文中分析了一种结合主动探测和被动侦听的邻居发现方案,并与现有方法作比较,通过仿真验证其对于邻居发现性能的优化效果。实验结果表明,此方法虽未能在丢包率、吞吐量和端到端时延等性能上体现出优势,但邻居发现数目提高约20%,并且提高了邻居探测过程中的能量有效性,能量最高节约了60%。     

基于信息融合的移动通信网络优化分析系统

现有移动通信网络路测软件不能提供网络所在地的地形地貌信息,存在着网络路测数据与实际地理环境信息脱节的问题.针对该问题,提出了一种能够将现有路测软件和Google Earth所提供信息进行融合的方法,开发出了集成式的网络优化分析应用系统.该系统能将路测数据、基站分布数据、信号覆盖数据、网络地理环境、通信质量投诉数据进行整合,提供了可视化、直观的网络优化分析工作环境,实验结果表明,该系统能有效地提高网络规划及优化工作的质量和效率.     

基于信息融合的移动通信网络优化分析系统体会

在现有移动网络软件中,在地形地貌信息提供方面还存在着一定的不足,在实际应用中在实际地理信息同网络路测数据间存在信息脱节情况,为了能够对该问题进行有效的解决,在本文中,将就基于信息融合的移动通信网络优化分析系统进行一定的研究.     

基于对等网络的全球信息网格服务发现机制研究

全球信息网格采用面向服务的架构提高系统的可重用性、柔性设计能力以及按需快速构建能力。这些优势的充分发挥需要快速及时发现各类可用的数据和服务。该文提出了两种扩展性很好的分布式服务发现机制：面向完全自治UDDI注册中心的非结构化UDDI对等网络和面向协同UDDI注册中心的结构化UDDI对等网络。     

基于多启发式信息融合的攻击路径发现算法研究

攻击路径发现对于提高信息系统安全具有重要意义,传统攻击路径发现技术存在考虑因素有限以及可扩展性不高的问题,导致其在网络攻击复杂化和网络规模扩大化的趋势下应用价值有限.针对该问题,本文提出一种基于多启发式信息融合的攻击路径发现算法,该算法结合攻击路径发现背景知识,将漏洞威胁程度,漏洞成功率以及主机资产作为启发式函数计算依...     

浅谈计算机网络的拓扑发现技术

本文作为通过发现网络拓扑方面的问题,概况研究了网络拓扑的内容与目标,介绍了几种网络拓扑发现技术的研究方法,将所有研究方法的运行机理做了详细的论述,同时将网络发现技术的评价方法进行了阐述,最后对于网络拓扑发现技术的未来发展趋势进行了详细的讨论。     

网络招生信息融合系统设计研究

从目前的社会发展来看,无论是高校还是社会都存在着诸多的考试,为了进行考试信息采集的便捷,积极的利用网络招生信息融合系统意义重大.就具体的分析来看,所谓的网络招生信息融合系统主要指的是应用于考生填报志愿活动,进而完成招生信息的采集、整理、存储、分析和查询等过程的一个完整系统.就实际应用来看,此系统要想发挥较高的应用实效,需要进行一系列的优化设计,这样,整个系统的功能发挥才会得到更加充分的体现.本文就网络招生信息融合系统设计进行分析和研究,目的是要实现系统的优化.     

基于惯性网络的分布式信息融合算法

分布式导航系统是飞机多传感器导航系统设计的新概念,可以大幅提高系统导航性能和容错水平,并能动态配置传感器功能,但是目前并无完善的信息融合算法与之对应;文章在构建惯性传感器网络的基础上,将多个低成本惯性传感器系统配置在飞机的多个位置以作为网络节点,设计了分阶段处理的分布式信息融合算法,综合利用各节点所测量的惯性信息,最后得到本节点的局部状态估计;通过仿真实验表明,采用此方法,有效降低了导航滤波估计误差,因此,系统导航性能及容错能力得到大幅提高。     

网络信息主动探测技术的研究与实现

论文提出了一种主动探测技术用于探测网络属性信息,其中利用TCP/IP协议报文实现网络信息数据的采集,使用模糊逻辑的统计方法识别系统类别,区分网络设备,并通过系统知识库的支持,获取端口、服务的信息,最后结合已知信息得到目标网络信息系统的拓扑和路由。     

基于DBNs理论的多传感器信息融合方法

为了提高多传感器信息融合系统的动态优化和容错能力,应用动态贝叶斯网络理论对传统联邦滤波器进行改造,得到了一种可以实现高动态环境条件下多传感器信息主动动态优化配置的信息融合方法．仿真结果表明,这种信息融合方法具有较强的动态适应和容错能力．     

随机模糊神经网络在目标状态信息融合中的应用

提出了一种新的基于随机模糊神经网络的多传感器状态信息融合方法。研究和比较了基于单值模糊神经网络和基于随机模糊神经网络的雷达与红外传感器状态信息融合。仿真结果表明，当输入被噪声污染时，基于随机模糊神经网络的方法离线学习次数更少，能更有效地防止噪声的干扰，并且融合误差更小。     

基于神经网络信息融合的印刷体字符识别研究

针对印刷体字符识别,提出一种基于神经网络信息融合的方法.在对待识别目标提取特征后,分别采用2种反向传播算法的改进算法和遗传算法构造神经网络分类器模型,并进行网络的训练和识别工作.通过实验数据着重分析和比较了3种算法的特点,将此3种分类器得出的分类结果进行决策级的信息融合,最终得出识别结果.实验结果表明,此方法简单可行,具有较高的鲁棒性和识别率.     

基于Web Services的IPv6拓扑发现系统

介绍了一种IPv6拓扑发现系统.如今有相当数量针对1Pv4网络的拓扑发现技术,其中基于ICMP的探测方式对路由器级公共网络拓扑发现最为有效.由于IP和ICMP协议的改变,这些技术都无法直接应用到下一代网络中.针对以上问题,实现了IPv6网络环境下一系列拓扑发现方法和技术.利用Web Services提高了拓扑发现系统部署、配置和管理的灵活性,特别是探测性能的提升.在此基础上对获取的IPv6拓扑数据进行了分析和总结.     

基于贝叶斯网络的博弈融合建模

针对多源信息冲突环境下的信息融合问题,提出了一种博弈融合模型,并根据Bayes网络推理理论与信息论交互熵等定义给出了此博弈融合模型的具体算法,最后对此算法进行了仿真,根据实验结果进行了分析与总结。     

神经网络信息融合用于电梯故障诊断的研究

针对传统电梯故障诊断系统实时性有限、故障定位准确率低等问题,将多信息融合技术引入到电梯故障诊断中来,建立了基于模糊神经网络和D-S证据理论相结合的故障诊断模型。为了提高神经网络的训练速度和推广能力,采用了正则化算法对BP网络算法进行修改,并且利用D-S证据理论对神经网络的诊断结果进行决策融合,仿真结果表明了此方法有效地提高了故障诊断的准确率。     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。     

动静态信息融合及动态贝叶斯网络的步态识别

步态是远距离视频监控领域最具潜力的生物特征。目前对步态的识别研究大都是考虑单一条件下步态的识别率,但在穿外套、背包等混合条件下识别率较低,通过分析人体行走时步态的时序特征,提出一种基于动静态信息相结合的多信息融合的动态贝叶斯网络(DSIF-DBN)。模型含有3层状态,模型中每个时间片都为静态信息和动态信息的融合。此模型能很好地表达步态的时序特性,即步态行走时人体姿态,运动幅度等特征的节奏性变化。实验结果表明该方法有较高的识别率,能有机地融合步态的静态信息及动态信息,并且在有噪声及信息缺失的情况下有较好的鲁棒性,大大降低了外套及背包对步态识别的影响。     

神经网络多层特征信息融合的人脸识别方法

由于人脸面部结构复杂,不同人脸之间结构特征相似,导致难以提取到十分适合用于分类的人脸特征,虽然神经网络具有良好效果,并且有很多改进的损失函数能够帮助提取需要的特征,但是单一的深度特征没有充分利用多层特征之间的互补性,针对这些问题提出了一种基于神经网络多层特征信息融合的人脸识别方法。首先选择ResNet网络结构进行改进,提取神经网络中的多层特征,然后将多层特征映射到子空间,在各自子空间内通过定义的中心变量进行自适应加权融合;为进一步提升效果,将所有特征送入Softmax分类器,同时对分类结果通过相同方式进行自适应加权决策融合;训练网络学习适合的中心变量,应用中心变量计算加权融合相似度。在同样的有限条件下,在使用AM-Softmax损失函数的基础上,融合特征在LFW(Labeled Faces in the Wild)上的识别效果了提升1.6%,使用融合相似度提升了2.2%。能够有效地提升人脸识别率,提取更合适的人脸特征。     

无线传感器网络节点分布式信息融合算法研究

节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一,国内外在节点放置、路由策略方面有大量研究,通过密度控制、分级簇等路由算法减少数据冗余。通过信息融合算法减少有效数据传输量是延长网络节点寿命的有效途径,并就此进行具体研究,提出了三种典型的分布式信息融合算法,即系数加权融合、无反馈的Kalman融合滤波及有反馈的Kalman融合滤波,并对其在805.12.4/ZigBee温度测量网络应用层协议中进行实现,最后通过运算数据结果对三种算法进行了比较分析及有效性、局限性总结。