基于代理按需生成机制的Buddy优化算法

针对移动自组网中Buddy算法的通信节点开销过大问题,设计代理按需生成机制优化Buddy算法。该机制将网络节点分为代理节点和普通客户节点,根据性能参数CV值选择性能较优的节点作为代理节点。NS2仿真结果表明,优化后的算法在保证地址快速配置的前提下能优化代理节点数、位置和性能,减少网络中节点同步的通信开销与提高代理节点的通信能力,从而提高整个网络的效率和健壮性。     

Linux嵌入式系统的优化

介绍了Linux嵌入式操作系统 ,讨论了如何对内核 (kernel) ,守护程序 (daemons) ,程序库 (libraries)和应用程序 (applications/utilities)等四个主要部分进行缩减 ,以便配置在以快闪内存为存储设备的嵌入式系统中。     

M/γ-Al2O3催化剂对煤油水重整制氢的影响

以γ-Al₂O₃为载体,采用等体积分步浸渍法制备了以Ni为活性组分,La、Ce、Fe、Cr、Co为助剂的催化剂M/γ-Al₂O₃,在固定床管式反应器中研究了M/γ-Al₂O₃催化剂的性能,考察了反应温度、水碳比和空速对氢产率的影响,并对催化剂进行XRD、SEM和BET表征。结果表明,NiLaCeFeCrCo/γ-Al₂O₃催化剂具有较好的催化性能,在反应温度700 ℃、水碳物质的量比10和空速6 min^-1的条件下,氢产率达到27.335 mol·mol^-1,并在300 min内表现出较好的活性,平均氢产率为21.966 mol·mol^-1。     

基于证据距离和不确定度的冲突数据融合算法

Dempster-Shafer证据理论广泛应用于信息融合的许多领域。但是,当使用证据理论对高度冲突的数据进行融合时,此时会出现有违常理的结果。为了解决冲突数据融合的问题,提出了一种基于证据距离和不确定度的冲突数据融合方法。通过证据距离计算证据之间的相对距离,将证据分为两种类别：可信证据和不可信证据。再应用新提出的信度熵对证据不确定度进行度量,对每个证据分配相应的权重,再根据权重对每个证据的基本信度值进行修正,再运用Dempster融合规则对修正后的信度进行组合得到最终全局信度值。通过算例实验,与其他几种经典的数据融合算法进行对比,仿真结果证明算法能够有效地解决数据冲突的问题。     

基于重建分类网络特征增强的盲域自适应分类器

领域自适应算法能解决源域样本与目标域样本分布不同的问题,提高分类性能。但是通常的领域自适应算法都需要预先获取部分目标域样本用于模型训练。而在现实场景中,来自目标域的测试样本在模型训练时是未知的甚至是不可获取的,该问题称为盲领域问题。文章采用重建分类网络(Reconstruction-Classification Network,RCN)运用于盲领域自适应。仅使用源域样本训练源域RCN模型,并利用源域RCN模型重建管道增强目标样本的信息,缩小目标域与源域分布差异。增强后的目标样本通过源域RCN模型的分类管道进行分类。在基准数据集上进行的实验证明,该文的方法在跨域视觉识别方面优于其他最新方法。     

基于判别低秩矩阵恢复和协同表示的遮挡人脸识别

针对训练样本和测试样本均受到严重的噪声污染的人脸识别问题,传统的子空间学习方法和经典的基于稀疏表示的分类(SRC)方法的识别性能都将急剧下降。另外,基于稀疏表示的方法也存在算法复杂度较高的问题。为了在一定程度上缓解上述问题,提出一种基于判别低秩矩阵恢复和协同表示的遮挡人脸识别方法。首先,低秩矩阵恢复可以有效地从被污损的训练样本中恢复出干净的、具备低秩结构的训练样本,而结构非相关性约束的引入可以有效提高恢复数据的鉴别能力。然后,通过学习原始污损数据与恢复出的低秩数据之间的低秩投影矩阵,将受污损的测试样本投影到相应的低维子空间,以修正污损测试样本。最后,利用协同表示的分类方法(CRC)对修正后的测试样本进行分类,获取最终的识别结果。在Extended Yale B和AR数据库上的实验结果表明,本文方法对遮挡人脸识别具有更好的识别性能。     

无线mesh网络多径路由算法研究

无线mesh网络以其鲁棒性、覆盖区域广、低成本，接八便利等特点日益成为无线接入网络的主要形式，在无线通信技术中扮演越来越重要的角色。针对无线mesh网络的特点，本文提出一种基于动态拓扑的多路径自适应流量分配算法。此算法根据路径质量的权值动态地给各路径分配数据流量比例。仿真结果表明，此算法保证了数据包的稳定传输以及提高了数据包的投递率。     

中国电信“天翼”品牌营销策略

0引言品牌在一个企业发展过程中起着至关重要的作用,是企业的一张“名片”。品牌的好坏对企业效益产生直接影响,因此品牌营销成为公司整体发展战略中极其重要的组成部分。品牌具有品性、个性、文化性和自我性等几大特性。     

基于LSP平衡的流量分配机制研究

对尽力而为（BE）网络流量工程中的自适应流量分配问题进行了深入研究,引入了一种平衡思想,提出一种基于LSP平衡的流量分配（LE-TD）机制,对网络中的流量进行网络平衡规划,利用需求和代价的平衡,使整个网络达到一种稳态,从而使网络中流量的分布模式是稳定的。仿真表明,该机制具有稳定性和收敛性,能有效地实现流量在多条并行LSP之间的合理分配,能有效提高网络端到端平均吞吐量,降低网络端到端平均时延,从而有效地实现了流量工程的优化目标。