基于条件对抗生成网络的对抗样本防御方法

人工智能目前在诸多领域均得到较好应用,然而通过对抗样本会使神经网络模型输出错误的分类.研究提升神经网络模型鲁棒性的同时如何兼顾算法运行效率,对于深度学习在现实中的落地使用意义重大.针对上述问题,本文提出一种基于条件对抗生成网络的对抗样本防御方法Defense-CGAN.首先使用对抗生成网络生成器根据输入噪声与标签信息生...     

基于CDMA1X的油田远程监控系统的设计与实现

针对油田位置偏远、监控点多且分散的实际情况,提出一种基于CDMA1X网络的远程监控系统设计方案.系统由采集终端、传输网络、监控中心组成,支持TCP/IP和短消息两种数据传输方式.采集终端由无线模块Q2358C、单片机MSP430组成,监控中心以VC 和Mapx为开发平台,实现了基于电子地图的查询、定位、报警等功能,重点解决了系统的低功耗和网络断线问题.该系统性能可靠、实用性强,具有较高的推广价值.     

基于喷泉码的车联网数据分发方案

数据传播是用于向终端用户提供信息娱乐和安全服务的主要技术之一,在该过程中,位于特定区域的车辆（OBUS）接收由路边单元（RSU）广播的数据。然而,当车辆移动较快,广播内容的数据量较大时,车辆很难在一个RSU的通信范围内收集到完整的广播内容。针对这一问题,论文提出了一种基于喷泉码的多RSU协同数据传输方案,将源数据以喷泉码编码,由多个RSU同时注入到车载自组织网络（VANET）中,RSU根据所处位置以及周边行驶车辆速度、密度使用模糊逻辑决策发送喷泉编码包数量。区域内车辆通过车对车（V2V）通信共享数据包,车辆获取到足够的编码包后重建源数据。实验结果表明,该方案在保证交付率的前提下,有效地降低了交付时间,实现了性能的明显提升。     

基于资源感知的多域服务功能链编排成本优化

网络功能虚拟化技术的兴起使得实例化为服务功能链(SFC)的网络服务能够共享基底网络,缓解了传统网络体系结构僵化的问题.然而,网络中大量服务请求给多域SFC编排带来了新的挑战.首先由于域内网络资源信息及内部策略的保密性,使得多域SFC的编排更为复杂.其次多域SFC编排要确定最佳候选编排域集,先前的研究较少考虑域间负载的均衡性,对服务接受率造成了消极影响.此外跨网络域编排服务请求对服务的成本和响应时间提出了更严格的要求.为解决上述挑战,在本文中,我们首先针对多域网络隐私性需求,提出了域级图的构造方法;然后基于域间负载均衡提出了域权重的计算方法进行SFC编排域的选择;最后,针对多域网络成本和响应时间需求,提出编排算法.实验结果表明,提出的算法有效地权衡了平均服务成本和接受率,并且在服务平均响应时间方面也得到了优化.     

环境反向散射蜂窝网络下行链路级联干扰对齐算法

环境反向散射蜂窝网络能同时支持蜂窝网通信和环境反向散射通信,具有良好的应用前景,但环境反向散射的信号与蜂窝网络信号之间存在严重的互相干扰。针对这一问题,该文提出环境反向散射蜂窝网络的级联干扰对齐(CIA)算法。为了分别对齐基站信号对阅读器和用户的干扰,设计两层级联的预编码矩阵。充分考虑到反向散射节点计算能力弱,无法自主进行预编码矩阵设计的限制,结合基站到反向散射节点的信道状态信息对反向散射信号进行了预编码。并设计了对应用户的两层级联干扰抑制矩阵和阅读器的3层级联干扰抑制矩阵,将不同来源的干扰分层消除。仿真结果表明,所提算法能够消除环境反向散射蜂窝网络中的复杂干扰,保证蜂窝网络信号和反向散射信号正常传输,提高了系统和速率。     

基于蚁群优化的无线传感器网络最适路由算法

如何在资源有限的条件下进行实时、高效的数据路由是无线传感器网络的研究热点之一。针对不同应用设计目标的差异性问题,提出一种基于改进蚁群算法的最适路由选择算法。因设计目标的不同,引入一个新的路由选择度量,兼顾实时性、能源效率和负载均衡等方面,并结合蚁群算法的寻优特点,对无线传感器网络最适路由选择问题进行优化。仿真结果表明,最适路由选择算法能够在满足不同设计目标的前提下,延长网络寿命,实现无线传感器网络实时、高效的路由。     

基于RSSI参数动态修正的ZigBee室内定位算法

ZigBee室内定位技术近年来发展迅速,但使用固定路径损耗模型的传统算法环境适应能力较差,会引起较大定位误差,影响定位精度。本文提出一种基于ZigBee平台的对数路径损耗模型参数动态修正的室内定位算法。首先经过高斯滤波对所得RSSI值进行筛选优化,然后根据锚节点之间的距离以及RSSI值来动态修正对数路径损耗模型参数,包括路径损耗因子以及距待测节点处的信号强度值,从而得到当下环境中具体的对数路径损耗模型;再利用卡尔曼滤波对现有的定位参数进行二次修正,以更正上述算法中因时刻变动引起的环境变化导致的定位偏差。实验结果表明,该定位算法比基于ZigBee的固定路径损耗模型定位性能提升了46.8%,可以改善因环境变化产生的定位误差问题。     

基于扩展环的Ad Hoc网络路由发现算法

针对传统的AODV路由协议采用全网络广播进行路由发现带来的路由开销较大问题,提出一种自适应的L跳扩展环路由搜索算法,并推导出L值的计算公式,节点在路由请求过程中能够根据以前搜索中获得的“先验”知识动态地调整搜索参数,进而计算下一步路由过程的最优跳数L,使搜索总是向着路由开销最小的方向进行。仿真结果表明,改进后的AODV协议能够降低路由开销,缩短路由发现过程的延时。     

基于机会转发的飞行自组网集群路由算法

针对飞行自组织网络(Flying Ad Hoc Network, FANET)中高动态拓扑变化导致数据丢包率较高的问题,提出一种基于节点移动机会转发的集群路由算法CROF(Cluster Routing-Opportunity Forward)。该算法通过考虑节点相对移动趋势度和剩余能量的综合权值来统一对集群头节点以及集群间机会转发节点进行选择。仿真实验结果表明,CROF算法在高动态自组织网络中可以有效提高消息投递率以及网络生命周期。     

基于知识图谱共同邻居排序采样的推荐模型

知识图谱作为辅助信息可以有效缓解传统推荐模型的冷启动问题。但在提取结构化信息时,现有模型都忽略了图谱中实体之间的邻居关系。针对这一问题,该文提出一种基于共同邻居排序采样的知识图谱卷积网络(KGCN-PN)推荐模型,该模型首先基于共同邻居数目对知识图谱中的每个实体邻域进行排序采样;其次利用图卷积神经网络沿着图谱中的关系路径将实体自身信息与接收域信息逐层融合;最后将用户特征向量与融合得到的实体特征向量送入预测函数中预测用户与实体项目交互的概率。实验结果表明该模型在数据稀疏场景下相较其他基线模型性能均获得了相应提升。