V2V通信中基于超图理论的资源分配算法

在基于LTE-V2V下密集的车辆通信网络中,车辆在每个传输周期中向邻域广播安全消息,为提高车辆传输数据的可靠性,提出基于超图理论的资源分配算法。基站执行半静态资源调度减轻负载,每次调度主要有3个部分组成:为减轻频率复用带来的累积干扰,根据超图理论构建干扰超图;为避免半双工约束导致的数据包丢失,通过二重着色原理进一步改进干扰超图;为使信道资源得到充分的利用,提出基于超图的二重着色算法。实验结果表明,该算法可以有效提高数据传输的可靠性。     

基于LTE-V车辆密集场景的车联网资源分配算法

LTE-V可以为车辆提供可靠、高效的通信能力.在LTE-V中,车辆用户(VehicleUserEquipment,VUE)有集中式(Mode 3)和分布式(Mode 4)两种通信模式.针对密集场景中两种模式由于VUE数目过多产生的数据包碰撞问题,本文依据通信时延、距离等指标对车联网应用进行划分,提出一种车辆自主调度算法...     

基于LTE-V2X的车联网资源分配算法

在车联网中的LTE-V2X系统中,资源分配包括集中式和分布式2种方式,针对分布式方式下SPS资源分配算法存在的半双工错误、隐藏终端错误和资源块冲突等问题,提出一种高速公路场景中基于行车方向的改进SPS算法.根据高速公路行车方向的特点,将资源池划分为2个子资源池,以减少相反方向车辆用户之间的潜在干扰.使每个资源块携带位置...     

一种用于高速公路上防车辆连环碰撞的V2V广播协议

目前,V2V网络主要通过周期性广播紧急预警消息(emergency warning message,EWM)来解决高速公路上经常发生的连环碰撞事件,但是周期性广播EWM容易产生广播风暴,造成大量消息的传输失败和传输延时,从而影响了预警网络的可靠性和效率.通过研究V2V网络中的各种无线广播协议,提出了一种用于高速公路上防止车辆连环碰撞的广播协议.协议在方向性广播的基础上,通过发送ACK帧选择广播车辆并由广播车辆负责广播EWM来解决广播协议中的EWM冗余问题.仿真实验表明:协议能有效地控制EWM的冗余问题,提高EWM传输的可靠性并降低传输延时.     

基于ShuffleNet V2算法的三维视线估计

为了解决当前视线估计网络复杂度较深、精度不高的问题,同时为了未来将网络部署在移动设备端,提出了一种基于ShuffleNet V2算法的视线估计网络,其由脸部和眼睛两个子网络构成。脸部子网络通过ResNetV2网络对脸部图片进行特征处理,并加入人脸对齐算法,减少头部角度误差的影响。眼睛子网络通过ShuffleNet V2...     

V2X通信中基于车辆分簇的资源分配机制

基于3GPP(3rd Generation Partnership Project)R15 SA WI阶段定义的两种V2X业务模型,在无基站覆盖区域进行自主资源选择时导致的碰撞和干扰问题,提出一种基于车辆分簇的资源分配机制。对场景中的所有车辆根据其地理位置和行驶方向进行分簇,根据车簇间的相对位置对所有车簇进行分组,进而划分不同的专属时隙资源;由每个簇中"头车"来担任资源协调与资源占用信息获取的角色。仿真结果表明,该机制在低时延要求场景下的性能较LTE-V2X现有自主资源选择的资源分配方式更优。     

基于V2I/V2N的感知融合系统技术及应用研究

随着智能驾驶技术的研究与发展,单车智能感知的局限性逐渐显现出来,基于V2X的感知技术解决了单车感知在遮挡等场景下的局限性。介绍一种基于V2I/V2N的感知融合系统技术方案,阐述其在智能驾驶系统中发挥的作用。重点讨论路侧感知与车载感知融合技术的算法架构及功能,研究利用V2I/V2N技术搭建智能网联汽车感知系统的可行性,研究基于V2I/V2N的感知融合系统在前车跟车行驶场景、车辆穿越交叉路口场景、高速路匝道车辆汇入场景三种典型场景下的应用。可以为车路协同感知技术应用研究提供参考。     

基于P2P网格高效广播传递算法的研究

提出了一种基于P2P网格的高效广播传递算法,算法综合了两种覆盖网络的广播传递算法的优点：一种是规则网络,另一种是采用感染算法通信的非结构化网络。形成的元结构算法比原来的算法具有更快的广播传递速度、更低的消息复杂度和更高的鲁棒性。实验表明该方法具有可行性。     

基于烟花算法的D2D资源分配方案

D2D（Device-to-Device）通信通过复用蜂窝用户的频谱资源来提升系统频谱资源的利用率，并提高系统吞吐量，但同时也为系统带来了严重的同频干扰。为了应对复杂的干扰问题，并在保证资源分配公平性的情况下尽可能提高系统吞吐量，提出一种基于烟花算法的D2D资源分配方案，以最大化系统的加权和速率为目标，将资源分配矩阵抽象为烟花，通过爆炸、变异、选择等过程求出最终的匹配矩阵。仿真结果表明，所提方案能够有效提高系统的吞吐量和资源分配的公平性。     

基于免疫网络算法的SVM参数选择

将SVM预测精度看作是一个关于模型参数的不连续的多极值函数,基于改进的免疫网络算法,对SVM的模型参数选择问题进行研究,将免疫网络算法与SVM相结合形成一个AIN-SVM算法.分别对分类和回归数据集进行了测试,结果表明该方法能够更快速地在更大的空间内进行有效搜索,与传统的交叉验证方法相比,在搜索速度与稀疏性上具有较大的优势.     

一种基于关联性的特征选择算法

目前在文本分类领域较常用到的特征选择算法中,仅仅考虑了特征与类别之间的关联性,而对特征与特征之间的关联性没有予以足够的重视.提出一种新的基于关联分析的特征选择算法,该方法以信息论量度为基本工具,综合考虑了计算代价以及特征评估的客观性等问题.算法在保留类别相关特征的同时识别并摒弃了冗余特征,取得了较好的约简效果.     

基于聚类的动态集成选择算法

近年来,由于机器学习能够很好地解决恶意软件检测问题,因而受到了广泛的关注。为了进一步提高恶意软件的检测性能,将机器学习中的动态集成选择应用到恶意软件检测中。为了满足检测性能和保证检测的实时性需求,在动态集成选择的基础上,提出一种基于聚类的动态集成选择算法CDES(Cluster based Dynamic Ensemble Selection strategy)。该方法首先通过聚类得到多个聚类中心,然后为每一个聚类中心选择一组分类器组成集成分类器。当检测未知样本时,首先找到与该样本最近的聚类中心,那么用于分类该聚类中心的集成分类器就是当前测试样本的集成分类器。最终的检测结果也由这一组分类器通过投票得到。实验中,将所提算法与其他相关算法作比较,实验结果表明所提算法明显优于其他算法。同时,所提算法运行时间远远低于其他算法,可以满足系统的实时性要求。     

基于基因重组的克隆选择算法

借鉴生物免疫系统的克隆选择机制,利用生物工程中基因重组技术,提出一种基于基因重组的克隆选择算法。根据抗体亲和力大小对抗体进行选择,获取优秀抗体的优秀基因片段,对抗体进行不同程度的基因重组,实现高频变异过程中的定向控制,避免种群退化,加快收敛速度,提高全局搜索范围,防止局部收敛。通过对复杂函数优化问题的仿真实验表明,基于基因重组的克隆选择算法(GRCSA)具有良好的收敛速度和较高的问题解的精度,证明新算法的有效性。     

基于遗传算法的组合式分类器选择

本文讨论了多分类器组合中的分类器选择问题,提出一种基于遗传算法的分类器选择算法,此算法可以快速选出有效的分类器参与组合.文中给出了指定分类器数目和任意分类器数目两种情况下分类器选择的算法.最后在CENPARMI手写体数字数据库上验证了我们的算法和结论.实验结果表明,此种分类器选择算法具有较好的性能.     

一种基于相关的属性选择改进算法

基于相关的属性选择算法是一种属性子集评价方法,该算法通过启发式评价消除属性子集中属性之间的相关性,使用评价值选择与类属性相关度高而属性之间相关度低的属性子集。提出在基于相关的属性选择算法中加入属性之间相关度方差的影响,能够在基于相关的属性选择算法选择的属性集子的基础上,去除属性子集中那些与其他属性相关度大的属性。通过实验证明,改进后的算法选择的属性子集属性数不多于基于相关的属性选择算法选择的属性子集属性数。使用改进算法选择的属性子集,在对分类器分类正确率影响很小的情况下,有较高的分类效率。     

一种基于用户的自适应类选择算法

针对QoS管理模型中的自适应处理模块进行了深入研究,提出了基于用户的自适应类选择算法,该算法不仅能够提高用户的满意度,而且能够均衡各个服务类别在网络中的负荷,保证应用的服务质量,实现QoS管理的自适应性.算法采用了基于下一时刻的预测方法进行估算,从而优化了参数取值,使用户选择的服务类别更加精确.     

基于RD-SVM的肿瘤信息基因选择算法

为了从高维、小样本的基因表达数据中有效地选择特征基因,消除与肿瘤分类无关的数据,提出一种随机矩阵替换与支持向量机的肿瘤信息基因选择算法(RD-SVM)。首先构建多组0/1随机向量表示的信息基因子集,并以支持向量机构建分类器评价每组子集的优劣,然后考虑各特征之间的相互作用,以0、1替换策略对基因子集评估,并找到最优基因子集,最后采用5个肿瘤信息基因表达谱数据对算法性能进行测试。结果表明,相对于参比算法,RD-SVM算法不仅提高了肿瘤信息基因的识别精度,同时所选信息基因最少。     

基于DSP的语音编解码器的设计及算法优化

设计了基于TI公司定点DSP芯片TMS320VC5402的语音编解码硬件平台,在此平台上,实时实现了较复杂的G.729语音编解码算法,并对实现过程中C语言级、汇编级和算法级的有效优化方法进行了研究.     

基于优化算法的核函数参数选择的研究

尽管支持向量机在许多问题上有着良好的表现,但是其参数和核函数的参数选取问题依然亟待解决。以往多采用优化算法进行参数选取,但也需要预先经验地获得核函数的参数的选取范围。在介绍结构风险最小化原则及支持向量机算法的基础上,给出了基于优化算法的支持向量机参数选取的一般性算法。由于径向基核函数（RBF）的参数取值大小的不同,可导致其性质和作用不同,为此提出了一种分段函数对RBF的参数进行选择的方法,该方法使得RBF的参数取大值和小值的概率均等。由此可不必预先经验地指定RBF的参数的选取范围,依然可以优化获得最优的参数。通过对头部组织电导率估算问题进行对比研究,取得了良好的效果,验证了该方法的有效性。