延长网络生存时间的AODV路由改进算法

AODV(Ad Hoc on-demand distance vector)路由协议是Ad Hoc网络中一种具有代表性的按需路由协议。传统的AODV是以“最小跳数”为参数建立和更新路由的。随着网络负荷的增加,以这种方式建立和更新路由容易引起网络中部分节点较其它节点更多地参与通信,在这些节点发生拥塞的可能性将更大,频率将更高,这会增加网络能耗,缩短网络生存时间。针对这一问题,笔者提出了通过控制拥塞对AODV进行节能改进的一种算法—Lengthen Lifetime AODV(LLAODV)。     

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。     

基于移动终端业务的多接入网络选择算法

本文提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下三个步骤为业务确定一个最优接入网络集合：首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合。仿真结果表明：本文提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量。     

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。     

用于Ad Hoc网络的改进的动态源路由协议

为了提高源路由协议(DSR)的性能,平衡整个网络的能量,减少拥塞,提高伸缩性和延长网络生存时间,对发送的RREP和RREQ包结构做了改进,加入了新的延迟发送机制,提出了一种新的协议IDSR,并用仿真对改进后的IDSR路由协议进行了性能评估。     

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。     

一种基于遗传算法的负载均衡选播路由算法

选播是定义在IPv6中的一种新型的网络服务。它可以实现一台主机与一组目的主机之间最“近”的一个通信。本文提出了一种负载均衡选播路由算法,并利用改进的遗传算法求最优解。该算法以路径延时、剩余带宽、服务器负载这三个参量为选路依据,保证了选播路由的服务质量。仿真结果表明,该算法可以达到合理利用系统资源,提高网络运行效率的目的。     

MANET中带自愈功能的路由优化机制

MANET中,现有的按需路有协议解决了包传送路由的问题。但是,因为节点的移动,这些协议都缺乏对全局节点拓扑的认识,因而不是最优的。路由是否优化影响着网络的性能,特别是当网络负载很重的时候。越长的路由耗费的带宽会更多,连不通的可能性就越大。提出了一种带自愈功能的路由优化机制（ORMS）来监视路由,如果一条较短的路由存在,就尽可能使其变短。ORMS在现有的带宽和反应时间内提高了网络的性能而没有增加任何额外的资源耗费.     

服务器负载均衡在应用层选播通信中的实现

选播通信是下一代网络中一种新的通信方式。其中应用层选播以其标准灵活、易于扩展和实现等优势,已成为近年来通信领域研究的热点。分析了受到普遍关注的应用层选播通信中服务器负载均衡问题,在此基础提出了基于等价子集的服务器选择策略,并且通过实验证明了该策略的有效性。