A cross-layer optimization based integrated routing and grooming algorithm for green multi-granularity transport networks

With the development of IP networks and intelligent optical switch networks, the backbone network tends to be a multi-granularity transport one. In a multi-granularity transport network (MTN), due to the rapid growth of various applications, the scale and complexity of network devices are significantly enhanced. Meanwhile, to deal with bursty IP traffic, the network devices need to provide continuous services along with excessive power consumption. It has attracted wide attention from both academic and industrial communities to build a power-efficient MTN. In this paper, we design an effective node structure for MTN. Considering the power savings on both IP and optical transport layers, we propose a mathematical model to achieve a cross-layer optimization objective for power-efficient MTN. Since this optimization problem is NP-hard (Hasan et al. (2010)  [11]) and heuristic or intelligent optimization algorithms have been successfully applied to solve such kinds of problems in many engineering domains (Huang et al. (2011)  [13], Li et al. (2011)  [17] and Dong et al. (2011)  [5]), a G  reen integrated R$R$outing and Grooming algorithm based on Biogeography-Based Optimization (Simon (2008)  [23]) (GRG_BBO) is also presented. The simulation results demonstrate that, compared with the other BBO based and state-of-the-art power saving approaches, GRG_BBO improves the power savings at a rate between 2%–15% whilst the high-level multi-user QoS (Quality of Services) satisfaction degree (MQSD) is guaranteed. GRG_BBO is therefore an effective technique to build a power-efficient MTN.     

基于分层梯度方向直方图和SVM的人体识别

为了进一步提高图像人体识别精度,提出了一种能够反映局部图像整体形状信息的加权分层梯度方向直方图(HOG)特征;采用主成分分析(PCA)法对所提出的特征结构进一步改进,得到了另一种分层HOG+PCA特征;应用了基于径向基函数(RBF)核的支持向量机(SVM)模型作为人体分类器,交叉验证了模型的参数,并在一个较为完备的人体图像样本集上进行了训练和测试;实验结果表明,所得到的两种局部图像形状描述特征均具有比HOG特征更高的人体识别精度.     

改进小波算法在光纤温度传感器中的应用

针对在分布式拉曼光纤温度传感器系统中,由于拉曼散射信号弱、噪声强而造成的温度测量误差问题,提出了一种改进小波算法模型。该算法在传统模型极大值小波算法基础上,引入信号相关性特性来提升捕捉信号与噪声的能力,同时结合小波分解尺度自适应方法,消除分解尺度不匹配造成信号丢失或噪声未滤除的情况,并在Matlab仿真软件中对比了此算法滤波的优越性,利用3 km分布式光纤测温系统进行验证。实验结果表明,处理后的温度较算法前的温度总体平均误差缩小0.5233℃。     

基于PXI和SCXI总线技术的通用型伺服机构测试系统

文章采用虚拟仪器技术，在PXI和SCXI总线基础上设计了一种高可靠、高精度、体积小且具有自诊断功能的伺服机构测试系统。系统具有测试通用性、测试软件可移植和可扩充性强等特点，具有一定的实用价值。     

基于蚁群算法的无线传感器网络路由算法

提出一种基于蚁群算法的无线传感器网络按需多路节能路由算法.该算法综合了蚁群优化算法和AODV路由协议的思想.通过蚂蚁并行地在源节点和目的节点之间建立多路径路由,提高了网络数据传输的实时性、延长了整个网络的生命期.仿真结果表明.该算法与多种群蚁群优化路由算法、基本蚁群算法相比,在整个网络的生命期和节能方面效果显著.     

基于Avalon总线的VGA控制器IP核设计

VGA是一种标准的显示接口,随着高速图像处理技术的发展,对VGA控制器IP核有了更多的需求,VGA控制器IP核已成为片上系统芯片中的一个重要部件.依据VGA接口原理,使用Verilog HDL语言并且利用SOPC技术实现VGA控制器IP核,通过一个实例,阐述VGA控制器在SOPC中的实现方法.     

伪三色LED图文显示屏的设计及实现

介绍由８０３１单片机控制的伪三色ＬＥＤ图文显示屏的构成,硬件结构和抗干扰措施。     

文本分类中基于差值思想的多特征选择算法研究

随着网络的发展,大量的文档数据涌现在网上,自动文本分类已经成为处理和组织大量文档数据的关键技术.其困难之一是特征空间的高维性,因此寻求一种有效的特征选择方法,降低特征空间的维数,成为文本分类中的重要问题.本文结合了多种特征选择方法,提出一种基于差值思想的多特征选择算法,并应用于KNN文本分类算法,实验表明,本文提出的特征选择算法能进一步提高分类性能.     

基于SD-IoT的DDoS攻击防御方法

为解决软件定义物联网中防御DDoS攻击的问题,提出一种攻击溯源与防御方法.该方法部署在软件定义物联网控制器中,当检测到网络中有DDoS攻击发生时,进行节点流量特征提取,利用提出的基于信任模型-自组织映射(trust model-self organizing map,T-SOM)算法的DDoS攻击溯源方法,根据提取到的节点流量特征对网络内节点进行聚类,通过控制器中的网络拓扑找出攻击节点的M ac地址.由防御模块进行端口封禁和packet_in报文过滤实现DDoS攻击防御.实验结果表明,该方法能够对DDoS攻击节点进行有效溯源,快速下发流表隔离攻击节点并过滤packet_in报文.     

基于UCON模型的PMI体系结构

基于角色的访问控制(RBAC)是授权管理基础设施PMI常用的策略,但它不能有效地解决资源使用中授权访问控制等动态授权问题.作为一种新型的访问控制技术,使用控制UCON模型具有支持动态授权等优势.基于UCON提出了一种授权管理体系结构UCB-PMI,并用可扩展访问标记性语言XACML描述其授权策略,最后分析了UCB-PMI的特点,