离散数学中的闭包概念及应用

基于闭包的放大和最小性特点来处理离散数学中相关概念,梳理了离散数学中显性和隐性的一些闭包概念,如二元关系的闭包、强分图、子空间、和空间、生成子群等.试图在闭包的框架下将这些概念的教学格式化,操作过程标准化.同时,介绍了作者的教学方案和一些教学技巧,最后将关系传递闭包的思想应用到最短路径及一笔画问题等案例的算法设计中.     

基于图卷积的3D骨架数据的双人交互行为识别

针对图卷积神经网络的双人交互行为识别方法存在交互语义信息表达不充分的问题,提出了一种新的双人交互时空图卷积神经网络（DHI-STGCN）用于行为识别的方法。该网络包含空间子网络模块和时间子网络模块。将基于交互动作视频获取的3D骨架数据生成一种双人交互动作的空间动作图用于空间信息的表示,图中根据关节点位置信息对双人之间的连接边赋予不同的权重。时间信息处理中,在构造的邻接矩阵中增加了上下文时间信息的联系,图中关节点与其一定时间范围内的节点增加连接。将生成的时空图数据送入空间图卷积网络模块,结合时间图卷积网络模块增强帧间运动特征连续性进行时序建模。该模型充分考虑了双人交互动作的紧密关系,具有较强的鲁棒性,获得了比现有模型更好的交互动作识别效果。     

基于模块度相似性的二分网络链路预测算法

基于社团结构,提出模块度相似性的二分网络链路预测算法,克服了二分网络在链路预测中丢失社团结构信息的局限性。首先,通过定义二分模块度,利用奇异值分解,将网络中的节点嵌入到欧式空间中的向量。其次,提出二分网络模块度相似性的框架,利用向量余弦相似度定义二分网络节点对之间的模块度相似性指标(MS指标)。最后,基于小提琴图和评价指标AUC,在3个真实网络上进行模拟仿真,与9种链路预测相似性指标进行对比,证明MS指标用于二分网络链路预测具有较高的精度。     

分散式小世界优化策略

优化问题可以描述为在搜索空间中从候选解向最优解的信息传递过程，如果可以把解空间视为一个小世界网络，而其中的每一解个体视为该小世界网络中的一个节点，那么利用小世界现象有效的信息传递即可实现最优解的搜索。借鉴Kleinberg提出的小世界网络中分散式搜索模型以及给出的优化的网络描述，实现了一种新的优化策略——分散式小世界优化策略。理论分析及在针对性问题上的仿真实验表明该策略具有较快的收敛速度和良好的搜索性能。     

改进的主动式安全系统结构及其通信机制

为了提高网格中资源节点在安全方面的自主性和协调性,改进的主动式安全系统ZSS以安全节点为单位,配置完整的认证和授权、访问控制、监视、通信、分析等模块来保护节点安全．ZSS系统的通信模块利用可变长的短消息传递技术,可以实现安全节点间的实时性和周期性信息交换．由于采用中心节点作为同一通信域的信息交换中心,该消息机制可以应用到具有不同资源管理结构的网格中,提高了系统的适应性和可用性．     

基于多通道图卷积网络的节点聚类

针对在深度聚类中大部分基于图卷积网络(graph convolutional network, GCN)的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题，提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法.首先，该方法使用自动编码器(auto-encoder, AE)来学习节点特征的潜在表示，同时在特征图、拓扑图及节点属性3个层面获得节点嵌入；然后，使用融合机制对学习到的节点嵌入进行融合；最后，通过自监督的方式训练网络实现节点聚类.在6个基准数据集上的大量实验表明，该方法明显提高了聚类精度.     

基于图神经网络的物联网入侵检测研究

针对物联网入侵检测中网络设备的异构性以及设备间的复杂关联性,本文基于图神经网络（Graph Neural Network, GNN）提出一种GraphSAGE-GAT模型,可以有效捕捉物联网设备之间的关联关系,并还原物联网设备之间的通信拓扑,从而达到提升物联网异常检测准确率的目的。首先,基于物联网设备间的网络流数据构建了设备关联关系图,然后利用GraphSAGE(Graph Sample and Aggregate)算法对相邻设备节点进行采样,从而可利用相互关联设备节点信息增强设备节点的嵌入信息表示;再利用图注意力网络（Graph Attention Network, GAT）为提取到的关联设备节点之间的关系自动化地学习到相关性权重,并通过多层聚合函数将关联设备节点的表示进一步融合,得到设备关联图节点的嵌入表示向量,从而进一步增强各设备节点的表示能力。最后,根据融合后的图节点嵌入表示向量实现对设备网络节点样本的良性和攻击分类。基于数据集NF-ToN-IoT-v2和NF-BoN-IoT-v2进行了实验验证,结果表明,本文所提出的模型GraphSAGEGAT在物联网入侵检测上的准确率分别高...     

基于色度学空间的多元图表示

针对传统的多元图表示可以表示信息在空间中的几何分布,但无法表示类别概率的缺点,本文提出基于色度学空间的彩色多元图表示。在保留传统多元图表示优点的基础上,集成了色度学维度,利用色度混合原理表示不同类别数据在空间点所占的比例,有利于通过直观的视觉认识类别分布信息以及引入图像处理方法。比传统的多元图表示更适合可视化模式识别的应用。     

采用动态残差图卷积的3D点云超分辨率

为了在超分辨率中对非欧数据的3D点云进行局部信息高效提取,提出采用动态残差图卷积的3D点云超分辨率网络(PSR-DRGCN),该网络包括特征提取模块、DRGCN模块及上采样模块.对于输入的3D点云,特征提取模块采用k-近邻(k-NN)算法在3D空间中找到每个点对应的k个邻居,通过逐点卷积把局部几何信息转换到高维特征空间中;DRGCN模块利用多层图卷积操作将3D空间中每个点的局部几何特征抽象为语义特征,在每一层对点的近邻空间进行动态调整以增加感受野范围,并通过残差连接融合多层次语义信息,从而对局部几何信息高效提取;上采样模块将特征空间中的点进行上采样并转换到3D空间中.实验结果表明,PSR-DRGCN生成的高分辨率点云在放大尺度为2倍时,相似性指标CD、 EMD、 F-score相比第2网络分别优化了10.00%, 4.76%,16.84%;当放大尺度为6倍时,相似性指标相比第2网络分别优化了2.35%,40.00%,0.58%;在所有情况下的均值与标准差指标上达到最优效果,生成的高分辨率点云质量高.     

无线视频传感器网络的能量优化

为了解决无线传感器网络节点计算能力和节点能量问题,以非能量约束下的视频传输为基础,研究视频传输的码率 失真模型,获取编码性能与失真的定量关系.在编码过程中,分析了与能量消耗有关的因素与模块,建立无线传感器单节点“能量 码率 失真”的优化模型,使无线传感器网络在一定失真允许范围内,单节点能量消耗最优.通过实验数据分析表明,所建立的优化模型在一定失真允许的情况下,可以得到最优的模块间能量分配方案.     

动态多中继协同节点选择算法

为优化协同通信系统的性能,提出了一种动态多中继译码转发(DF)协同节点选择算法MRS-DF.该算法联合考虑节点的剩余能量信息和信道状态信息对网络生存时间进行优化,以获得更长的网络生存时间和更大的信道容量.仿真验证表明,动态分配中继功率时,选择4个中继性能已经达到最优.MRS-DF算法的网络生存时间和信道容量远大于仅考虑...     

Single-Sequence的边界约束条件

在VLSI物理设计中,分层设计和连线优化都要求某些模块放置在布局的边界位置。该文针对一般的具有不可二划分结构的布图规划问题,在SS编码的基础上解决VLSI物理设计中有边界约束的布局布图规划的问题;证明SS的放置顺序是表示模块的数字在SS中出现的位置先后顺序;提出模块放置在四个边界(上、下、左、右边界)在SS编码中应满足的充要条件及证明;并给出模块位于四个边界在SS编码中相应的表达式和计算方法。     

基于光线分布的阴影线跟踪加速算法

传统方法假设场景光线均匀分布,降低了复杂场景的阴影线遍历性能。本文提出一种基于光线分布的阴影线遍历序列预测算法,以加快绘制性能。通过建立网格快速收集光线相交结果;利用充分采样的光线分布信息,建立一种高质量的阴影线遍历代价函数;引入基于多分辨率网格的光线贡献度,避免网格单元与节点不完全重合而导致预测精度降低。并按需的预测优先遍历节点,以减少遍历序列计算时间。实验结果显示,对于阴影线遮挡率为75%的场景,算法能减少61%的相交次数。相对于已有方法,新算法提高了预测精度,弥补了传统方法的不足。     

云数据中心面向实时任务的节能调度算法

针对云计算环境下的独立实时任务的节能调度问题进行了研究,设计了一种基于松弛时间的任务调度算法,该算法由实时任务的分配、虚拟机资源的动态扩展以及虚拟机的动态整合3个部分组成,通过计算任务的松弛时间保证任务在截止期限内完成,保证任务的时效性. 同时提出了一种基于多阈值的虚拟机整合策略,以平衡系统负载并降低系统完成任务集合的能耗. 实验表明,与其他算法相比,该算法在保证了任务能够按时完成的基础上,有效降低了系统的整体能耗.     

带约束处理的PI型广义预测控制

在PI型广义预测控制(PIGPC)的基础上,使用Lagrange乘子法处理输入输出的约束条件,从而求得带约束处理的PI型广义预测控制。在线性系统中对控制量及输出量的约束可以转化为对控制增量的约束,通过添加松弛变量将简化的不等式约束转化为等式约束,采用求解等式约束的方法求解不等式约束的最优解。仿真结果表明,加入约束处理后可有效限制系统的输入输出,算法更加符合实际应用的要求。     

基于参数依赖关系检查的测试用例空间约简方法

针对待测功能函数各参数间存在的控制或数据依赖关系,提出了一种利用符号执行约简测试用例空间的算法.具体内容包括:给出了基于控制流图的程序参数依赖关系定义;在此基础上,根据输入参数变量在程序执行时的信息流,提出了一种参数依赖关系的动态分析算法;将该方法应用于可信软件栈的功能测试中.实验结果表明:该方法在约简测试用例空间上具有较强的实用性,同时不会降低测试原有的检错能力.     

基于时间序列预测的延迟容忍网络路由算法

本文提出了一种基于时间序列预测的延迟容忍网络路由算法。该算法通过改进的加权移动平均时间序列预测方法,利用节点中不断积累的历史连接信息,预测链路的未来连接状态,并以保证消息最早到达目标节点为路由选择依据,构建节点内部的路由表信息。本文算法不要求节点有任何网络连接的先验知识,并且能够随着网络拓扑的变化调整消息的传输路径,克服了同类算法需要大量网络连接先验知识而导致路由算法实用性差的问题,提高了算法的适用性。仿真结果表明,本文算法与MED、MEED算法相比,在不同的网络带宽和节点缓存条件下具有更高的传输成功率和更低的平均传输延迟。     

合作博弈下无线传感器网络功率控制策略

无线传感器网络在动态变化的信道和干扰环境工作时,为获得较高的信干噪比,节点会提高发射功率,致使节点间的干扰不断增大,为抵消其带来的消极影响,节点将继续增加发射功率,这将导致网络环境逐渐恶化,同时过多浪费节点能量.针对以上问题,本文提出一种合作博弈下无线传感器网络功率控制策略,为使节点能够更加精准的根据周围环境信息动态调节发射功率,算法引入节点间距离作为干扰权重因子以修正有效干扰模型,进而改进信干噪比模型;基于合作博弈理论将节点信息传输速率和自身剩余能量整合,建立合作博弈下的效用函数,在对不同效用权重因子下的归一化信息传输速率、发射功率方差值、信干噪比和网络效用4种结果进行综合权衡后,得出适当的效用权重因子值,并证明效用函数存在纳什均衡解,通过算法多次迭代后得出使网络效用达到最高时的节点最优发射功率.仿真结果表明,本文算法得出的最优发射功率方差小,算法收敛速度快,网络在节点较低发射功率时即可获得较高的信干噪比,网络生存周期得以延长,实现更高的网络效用.     

基于遗传算法的流媒体组播路由选择方法

在满足一定时延限制情况下,找出包括特定源、目的节点的最小费用树是NP-Complete问题。针对该问题对遗传算法进行理论分析,提出了较其它的遗传算法和启发式算法而言具有编码方式简单、收敛速度快的遗传算法,给出了组播路由的模型,并利用遗传算法对该模型进行计算机仿真分析。     

车辆多模式多目标自适应巡航控制

为增强量产ACC对前车驾驶意图的预判与自适应能力,发展了一种多目标自适应巡航控制算法,建立闭环纵向跟驰模型。基于模型预测控制理论,综合协调巡航过程中驾驶员期望响应、跟驰安全性、车辆自身物理限制等控制目标,并引入松弛向量以确保滚动在线优化存在可行解。采用待优化目标与控制输入权重调校以及控制器工作域边界松弛的策略,将ACC系统划分出6种工作模式,同时采用模糊推理与加速度加权平均策略,以实现工作模式最佳匹配与平稳过渡。仿真结果表明,多模式设计策略与多目标控制算法能够一定程度上提升ACC系统的适应性与友好性。