基于位置预测的社会性DTN路由算法

针对延迟容忍网络数据传输成功率低、延迟较大,提出一种基于节点位置预测的社会性DTN路由LPSN（Lo-cation Prediction and Social Network based routing）。该算法根据节点的介数中心性和节点间的相似性来衡量节点的社会特性,结合节点的历史轨迹和当前位置,运用Markov模型对节点的下一个位置进行预测,综合分析确定更优的转发节点再进行数据传输。仿真结果表明,相比现有的路由算法SimBet和Prophet,LPSN算法在传输成功率、开销比上有较大提升。     

基于卡尔曼预测的VANET混合路由算法

在车载自组织网络(VANET)中,车辆高速移动和分布不均导致网络拓扑快速变化、传输路径频繁中断,造成路由效率低下。为此,提出一种适用于城市场景的、基于卡尔曼预测的VANET混合路由算法,每个车辆节点通过部署卡尔曼预测器对邻居节点位置进行预测,通过该预测位置进行路由计算。在GPSR算法贪婪模式和边缘模式的基础上,借助容迟网络(DTN)路由的思想,存储并携带无转发节点的分组直至找到合适的转发节点。仿真结果表明,与GPSR算法和带缓存的GPSR算法相比,该算法在分组投递率和端到端时延方面性能更好。     

DTN中基于贝叶斯的节点相遇概率预测方法

DTN网络由于频繁的网络断开、高延迟和异构性等原因,导致网络可用性较低;为了提高DTN网络可用性,一方面要提高数据包送达目的节点的比例,另一方面也要注意控制网络中的副本数量;着重研究在便携设备交换网(PSN)和移动规律性较弱的车载网络(VAN)等网络中对节点相遇概率直接预测的方法;提出了一种利用贝叶斯概率的方法进行相遇概率预测,这种方法基于数据集的历史数据,不依赖于具体的数据集,具有较好的适应性和准确性。     

基于SVM的WSN运动目标位置跟踪预测方法研究

针对无线传感器网络中运动目标位置跟踪预测方法的研究,提出了一种基于支持向量回归机(SVM)的目标位置预测方法。利用节点位置信息和网络连通信息作为训练样本,建立支持向量回归技术到节点位置的映射函数,从而完成运动目标已知时刻位置估计。最后,利用支持向量回归预测模型对运动目标节点进行位置预测。仿真结果表明,该方法有效地提高了目标节点位置预测准确率。     

一种基于传输容量控制的DTN动态分段编码路由算法*

针对时延容忍网络（DTN）中基于动态分段编码的路由算法DSNC存在的数据冗余编码和节点投递成功率低的问题,提出了一种基于传输容量控制的DTN动态分段编码路由算法NC-TCC。在源节点处,采用AONT矩阵对分段中的数据包进行编码,以减少数据重复编码的次数;在中间节点处,利用构造的节点运动模型计算当前连接的传输容量,并在满足传输容量的前提下按照优先级从高到低的顺序选择合适数量的数据包进行编码,以提高节点投递成功率。仿真结果表明,提出的算法能够有效地减少数据冗余,提高传输效率。     

一种基于连接持续时间预测的DTN路由算法

DTN是一种新型网络体系结构,其网络频繁断裂的特点常常导致消息传输失败,针对这个问题,提出一种基于连接持续时间预测的DTN路由算法CPBRA。利用相遇节点的移动速度、方向,传输范围等信息预测节点的连接的持续时间,并依据消息的大小选择适当的消息传输路径,以减少消息重传的错误操作,提高资源利用率,有效地控制网络开销。     

一种基于运动预测的蒙特卡罗定位算法

以蒙特卡罗算法为基础的无线传感器网络移动节点定位算法普遍存在定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于运动预测的蒙特卡罗定位(MCLMP)算法,通过构建节点运动模型,进行位置预测和滤波,并对过滤后的值进行加权计算.仿真结果表明,MCLMP算法相比以往算法定位精度提高了30％以上.     

基于城市公共交通移动模型的协作延迟容忍网络路由策略

如何利用有限的传输机会可靠地传送车载服务感知信息是智能交通发展的“瓶颈”问题,利用公共交通中车辆的运动规律,提出基于节点之间机会接触来进行消息的逐跳转发策略,同时结合公共交通系统自身的特点,设计了一种基于公共交通移动模型的协作延迟容忍网络（DTN）路由算法TF。首先,根据公共交通移动模型自身的特点,将公交、长途客车等节点按其运动路径进行分组,提出一种基于固定运动路径分组的DTN路由算法;然后,将出租车、行人类节点定义为自由节点,并设计了一种基于转发因子控制的DTN路由策略作为分组路由机制的补充。仿真结果表明,与Epidemic、Prophet以及SAW路由算法相比,TF路由算法具有较高的消息投递率和较低的平均延迟。     

基于节点相似性的容延/容断网络路由算法

针对容延/容断网络(DTN)网络的时延高、割裂频繁,以及节点缓存和能量受限等网络特性,为提高容延网络的传输率,同时降低网络开销和网络时延,提出了一种基于节点相似性的容延网络路由算法(RABNS)。该算法利用历史相遇信息预测节点未来相遇概率,并且把历史相遇的节点录入为集合,利用集合的交集运算来评估一对相遇节点的相似性,并以此为判定条件控制网络中的副本数量。在模拟器The ONE上采用RandomWaypoint运动模型进行仿真,其中RABNS在消息投递率方面优于PROPHET,网络负载约为PROPHET的50%,较大程度上提高了网络资源利用率;平均时延稍高于Epidemic但低于PROPHET,节点缓存空间大小对算法的平均跳数影响不大,且RABNS的平均跳数约为PROPHET的一半。仿真结果表明,RABNS能有效地限制消息洪泛,获取更高的消息投递率、更低的网络开销和数据时延,因此尤其适用于节点存储空间有限的DTN环境和具有群居特性的社交容延网络中。     

一种基于水下无线传感器网络的目标跟踪方法

本发明公开了一种基于水下无线传感器网络的目标跟踪方法。该方法首先根据最强信号原则选择簇节点,然后根据单跳距离准则组成簇网络对目标进行观测,如果观测信号强度超过阈值,则发送观测数据给簇头节点。簇头节点接收到粗内节点传送的数据,采用改进重采样的粒子滤波算法对当前时刻的目标位置和方差进行估计。根据目标的运动不断地更新簇头节点,将上一簇头节点状态估计值和方差估计值传送给当前簇头节点,再由当前簇头节点采用改进的重采样粒子滤波算法估计运动目标位置,直到运动目标超出了水下无线传感器网络的跟踪范围;本发明使用改进重采样算法的粒子滤波跟踪方法估计水下目标的位置和方差,提高水下无线传感器网络的目标跟踪性能。     

基于自注意力机制的局部与全局特征融合的评分预测算法

为了完全挖掘异质信息网络中节点的特征并且更好地融合这些特征,提高推荐算法的性能,提出一种基于自注意力机制的局部与全局特征融合的评分预测算法（rating prediction algorithm based on self-attention mechanism and fusion of local & global features,AMFL&GRec）。首先基于LeaderRank算法提取目标节点的全局序列,基于元路径带偏置的随机游走算法提取节点的局部序列,通过skip-gram模型分别学习节点的全局特征与局部特征;通过自注意力机制学习目标节点对局部与全局特征的偏好,从而得到在单一元路径下节点的特征表示;再通过自注意力机制融合不同元路径下同一节点的表示,从而得到节点在不同元路径下的最终的特征表示;最后基于多层感知器实现评分预测任务。在两个真实数据集进行了大量实验,实验结果验证了AMFL&GRec算法不仅能够捕获具有密集连通节点的微观（局部）结构,而且还能够捕获该节点在网络中的全局结构,从而使其得到的节点特征得以体现节点的整体（局部+全局）特征。同时,实验结果也证明了AMFL&GRec算法评分预测性能优于对比算法,从而证明利用自注意力机制考虑异质信息网络中节点对于局部、全局特征以及元路径的偏好能够提高评分预测的准确性。     

Mobility prediction for random walk mobility model using ARIMA in mobile ad hoc networks

The Journal of Supercomputing - This study offers an autoregressive integrated moving average (ARIMA)-based mobility prediction model for forecasting a node's future mobility speed in mobile ad...     

基于拓扑稳定性的有向网络链路预测方法

作为复杂网络研究的热门方向,有向网络链路预测旨在挖掘网络中未知的连边。网络演化机制是许多链路预测方法的理论来源和依据。现有有向相似性指标计算节点间存在连边的可能性时,忽略了实际网络演化过程中节点自身拓扑稳定性和网络结构稳定性。基于此,提出了基于拓扑稳定性的预测方法。该方法首先计算趋于稳定的节点对之间的相似度,然后计算预测节点对之间的拓扑稳定性。在三个衡量标准AUC、precision和排序分下,九个真实网络中的实验分析表明,提出方法具有较高的预测精度。     

基于自适应调节的灰色滚动预测模型及对碳排放趋势预测

利用有限数据预测发展趋势是数据建模领域广泛存在的问题,采用灰预测模型处理此类问题时会面临适应数据不规则波动特征的挑战性.在灰预测模型基础上提出适应数据特征的滚动建模方法,结合双参数的变权缓冲算子建立一种{AGRM(1,1)     

为移动体域网供能的射频能量源布置方法

得益于无线能量传输技术的突破,体域网节点可以捕获射频能量源的无线电波能量进行充电,从而持续不间断地工作.对能量源数量和位置进行合理规划可以有效提高节点的能量捕获功率,降低部署成本.现有工作大多考虑节点静止情况下的能量源部署问题或通过概率统计模型转化为节点静止的情况,因此具有明显的局限性.考虑体域网应用背景下,携带可穿戴节点的用户具有特定停留-移动模式,基于该模型归纳了满足节点能量不中断概率要求的能量源优化布置问题,并将该问题的限制条件分解,转化为一个等价问题.分别基于贪婪算法和分治-粒子群算法设计了能量源优化布置算法.通过多组仿真实验,在不同参数下将两种算法与现有路径覆盖算法的性能进行了对比.实现结果表明,在满足节点能量不中断概率要求的前提下,分治-粒子群算法相比贪婪算法和路径覆盖算法更能节省能量源部署成本.     

Predicting Beijing's tertiary industry with an improved grey model

In the context of the growth slowdown in China, it is important to accurately forecast the future economic trend to guide policy-makers the direction of adjusting their current economic policies. In this paper, we intend to predict Beijing's tertiary industry, whose datasets are small, irregular and non-stationary, leading to a difficulty of building an accurate prediction model. To this end, we present an improved grey model, named PRGM(1,1), which extends the grey prediction model by integrating two techniques, i.e., the particle swarm optimization algorithm for parameter optimization and the exponential preprocessing method for data cleaning. The experimental results show that PRGM(1,1) outperforms other variants of the grey prediction model in predicting Beijing's tertiary industry, and is viable to do reasonable prediction over short and fluctuated economic data sequences. In addition, we employ PRGM(1,1) in the economic prediction of Beijing's tertiary industry in the next five years, and conclude that the growth rate will decelerate. Our prediction result seems to be in line with the economic slowdown in China this year.     

基于zigbee技术在矿井下节点切换机制的研究

节点接入切换机制和路由技术是井下定位系统的关键技术。根据矿井环境的特点,改进移动节点入网接入方式,提出移动节点地址分配的新方案。该方案中移动节点的地址不由协调器分配,在入井前由程序直接设定,且不随位置的移动而改变。仿真结果表明,提高移动节点入网成功率,减少了端到端的延时和丢包率,提高了数据传输效率。     

面向恶意程序传播的异质WSNs稳态可用度评估

为预测异质传感网(HWSNs)的可用性能,提出一种面向恶意程序传播的HWSNs稳态可用度评估方法.在考虑异质传感节点实际状态基础上,增加状态D(死亡)扩展经典SIR传染病模型得到SIRD模型以描述节点因能量耗尽、物理损坏或恶意程序攻击导致功能丧失的情况.使用Markov链描述节点各状态之间的动态转换过程,分析得到状态转换矩阵和各状态变化的动力学方程.推理得到一个异质传感节点的稳态可用度计算公式,再依次推理得到星形和簇形HWSNs稳态可用度计算公式.实验分析了IDS检测率和误报率对异质传感节点稳态可用度的影响,验证了所提出方法的有效性.     

Storm集群下基于性能感知的负载均衡策略

Storm计算框架具有为多源异构大数据提供高效、快速、实时处理的能力.然而因Storm默认的调度策略使用了简单的轮询方法,无法根据集群动态的负载状态调整其任务的分配.针对该问题,提出了基于性能感知的负载均衡策略,根据节点的处理效率计算其性能感知值,并通过贪心调度保证节点的任务量与节点处理能力相匹配,以达到负载均衡的目的.通过与默认调度算法实验比较,结果表明该算法能够有效降低Storm处理时延,提高吞吐量和实现集群负载均衡.     

基于粒子群算法的配电台区售电量精准预测方法

针对不同时段和不同模态下,售电量预测准确性较低的问题,设计一个基于粒子群算法的配电台区售电量精准预测方法。建立灰色模型挖掘数据,输入电力负荷数据,并进行归一化处理,提取容量利用特征,准变预测问题表现形式,建立售电量增长趋势模型,计算曲线拟合问题,采用粒子群算法设计配电台区售电量精准预测过程,优化权重变换函数和粒子权值,完成配电台区售电量精准预测。实验结果表明,该方法在一个月内售电量、一年内售电量、低频模态预测与高频模态预测上,都具有较高的准确性,满足配电台区售电量精准预测需求。