基于辫子群上的公钥加密算法的Kerberos协议改进

为提高Kerberos协议的安全性,引入了辫子群上非共轭变换和多变量方程组结合所构造的难解问题,提出了一种基于辫子群上的公钥加密算法的Kerberos协议和基于此协议的公钥体系KBGS(Kerberos on braid groups system),系统主要加强了客户和认证中心之间的通讯安全强度.安全性分析结果表明,改进后的Kerberos协议能抵御高强度的明文攻击,适用于量子计算机时代的公钥密码平台,更具安全性和实用性.     

矿井环境下无线传感器网络路由协议研究

无线传感器网络应用场合拓扑结构复杂,针对煤矿井下工作环境中的无线传输数据需求,提出了基于距离有效性的层次路由协议。协议以节点间的距离为建立路由的依据,作为各个节点建立层次关系,节点间的数据以最优路径向汇聚节点传输。当网络结构发生变化时,协议可按照节点间的层次关系在较短时间内重建路由。仿真结果表明,协议具有较好的收敛性,并缩短了重建局部路由的时间,为无线传感器网络应用于矿井环境提供了一种方案。     

嵌入式无线局域网适配器的设计与实现

针对单词簇上训练朴素贝叶斯文本分类器概率估计偏差较大所导致的分类精度较低问题,在概率分布聚类算法得到的单词簇的基础上,根据单词与簇间互信息建立有序单词子序列,采用有放回随机抽样对序列构造规模相当的样本集,并将估计出的参数的平均值作为训练得到的参数对未知文本进行分类.公共文本实验数据集上的实验结果表明,该文提出的训练方法相对于传统的朴素贝叶斯分类器训练方法能够获得更高的分类精度且过程相对简单.     

基于Ptolemy Ⅱ的无线传感器网络自适应通信体系结构

针对现有的异构无线传感器网络(WSN)体系结构中,不同的数据链路层缺乏通用架构的问题,提出在网络体系中增加“属性装配层”的概念。采用Ptolemy Ⅱ建模仿真平台,将属性装备层与数据链路层分别建模,首先采用属性装备层中的属性工厂模块分类各种通信协议原型,封装上层应用程序;然后采用装配工厂模块生产数据包头,分发于不同的网络;最后形成自适应的无线传感器网络体系。该体系融合了异构网络数据链路层,兼容了现有的平台、通信协议和网络机制,适用于未来的通信协议和机制。实验结果证明,基于该体系的通信系统内存占用和时间开销相对较小,具有自适应能力。     

具有多维特征的WSN路由协议研究

为实现不同地理维数数据类型的合理融合,提出一种基于通用搜索树(GiST)的分簇拓扑结构。利用叶节点的位置信息建立簇,通过GiST体系结构算法对区域内的所有簇进行分块组织,建立树形拓扑结构。仿真结果表明,GiST体系结构算法具有良好的多维特性,可快速进行不同维数结构间的融合。建立的结构与其他拓扑结构相比,网络传输效率较高,网络生命周期较长。     

具有负载分享的P2P IPTV重迭网络的设计

针对在IPTV服务中当网上收视人数大规模增长时网络带宽消耗及服务器负载大大提高的问题,提出了利用P2P(Peer-to-Peer)概念中的应用层群播所形成的重迭网络来解决IPTV负载分享的问题,并通过P2P中Chord路由算法,加速构建与寻找对应的群播代理人节点。实验证明将Chord与应用层群播代理人做有效结合,可以提供用户具有服务质量、扩充性与负载分享的全方位P2P IPTV服务。     

轨迹和多标签超图配对融合的视频复杂事件检测

视频数据中包含丰富的运动事件信息,从中检测复杂事件,分析其中的高层语义信息,已成为视频研究领域的热点之一。视频复杂事件检测,主要对事件中多语义概念进行检测分析,对多运动目标的特征进行描述,发现底层特征与高层语义概念间的关系,旨在从各类视频特征及相关的原始视频数据中自动提取视频复杂事件中语义概念模式,实现“跨越语义鸿沟”的目标。在超图理论的基础上,提出了针对运动目标特征分别构建轨迹超图和多标签超图,并对其进行配对融合,用于检测视频复杂事件。实验结果证明,同其他方法如基于普通图的事件检测方法和基于超图的多标签半监督学习方法相比,新方法在检测复杂事件结果中具有更高的平均查准率和平均查全率。     

无线传感器网络在草坪精确灌溉中的应用

城市绿地喷灌在水资源消耗上日趋增大,根据植物按生命需水实施精准灌溉成为必然选择.从工程应用角度描述了无线传感器网络(WSNs)在城市绿地草坪精准灌溉中的应用及其相关问题.通过考察丢包率、接收信号强度指示等指标分析了WSNs的链路通信质量,为节点的实际部署和路由协议设计提供了经验数据支撑.对最小跳数路由协议加以改进,使之适合工程环境;仿真实验和实际运行证明其在降低网络整体能耗上的有效性.     

基于超图模型的复杂视频事件检测

近年来,语义事件分析越来越受到重视,典型语义事件的检测与识别是一个具有挑战性的研究领域。提出了基于超图模型的复杂视频事件检测方法,通过分析对象的运动轨迹,检测出视频中的所有子事件并构建时序关系图及依赖关系图,从而生成子事件超图,并通过谱超图聚类分析来检测相应的复杂事件。采用图变换工具AGG进行模拟实验,其实验结果表明,该方法具有较高的准确率与召回率。     

基于扩展格框架标注的视频事件多维关联规则挖掘方法

针对视频复杂运动事件进行了分析, 对用于自然语言处理的格语法理论进行了扩展, 增加时间格结构, 并采用扩展后的格框架对复杂事件进行了标注, 并将数据存储在数据立方体中, 最后采用MDFP-growth方法对多维概念格进行关联规则的挖掘。在实验部分, 对比了扩展后的格框架与扩展前原方法对复杂事件标注的结果, 并比较扩展了时间格后的四维数据〈PRED, Ag, T, Loc〉和扩展前三维数据〈PRED, Ag, Loc〉挖掘其关联规则中系统运行时间, 产生规则数对比结果及视频检测的准确率和召回率对比。实验证明, 提出的方法能更加准确地标注出复杂事件, 并具有更高的处理效率。