一种信任和能量意识的WSN补救路由算法

在ARRIVE 算法的基础上, 提出一种信任和能量意识的补救路由算法(TeaRR). 在选择下一跳节点时, TeaRR 综合考虑候选节点的信任值和剩余能量, 选择信任值和剩余能量最优的节点转发数据. 为了防御链路不稳定和On-Off 攻击造成的丢包问题, TeaRR 采用发送节点主动推荐和邻居节点被动参与相结合的补救策略, 快速恢复对 可能丢失包的转发. 实验结果表明, TeaRR 更加适用于延时敏感的应用, 可在接收率与能耗间平衡.

     

基于联合特征直方图的均值漂移目标跟踪算法

针对单一颜色特征跟踪性能差的缺点, 提出一种基于联合特征直方图的均值漂移目标跟踪算法. 采用颜色、边缘、运动3 个具有一定互补性的信息进行联合概率跟踪, 以提高目标模型的描述能力; 利用运动信息修正颜色和边缘模型核函数, 用以克服背景颜色、轮廓对跟踪效果的影响; 根据各特征所占权重, 运用自适应融合法生成关联特征直方图, 并将所构建的目标模型融合到mean shift 跟踪框架中, 实现目标跟踪. 实验结果表明, 所提出的算法具有较高的准确性.

     

粗等价类双边剪枝策略下多次Hash 的约简算法

提出一种新的约简算法. 首先以全局等价类为最小计算粒度, 提出粗等价类概念, 深入研究其性质并证明粗等价类下求核和约简与原决策系统等价; 剖析3 类粗等价类与正区域间的内在关联, 设计针对1 和??1 两类粗等价类双边删减下正区域的渐增式等价计算方法, 从而设计双向剪枝策略以及多次Hash 的属性增量划分算法, 基于此给出高效完备的约简算法. 最后用UCI 中20 个决策集、海量、超高维3 类数据集从多个角度进行验证, 结果表明, 所提出的约简算法的完备性和高效性在绝大多数情况下优于现有算法, 尤其适用于海量数据和超高维数据集.

     

K-S检验与mRMR相结合的基因选择算法

为了解决基因数据集的基因选择难题,提出一种基于K-S检验与最小冗余最大相关（Minimum Redundancy-Maximum Relevance,mRMR）原则的基因选择算法。该算法先采用K-S检验选择出具有一定区分能力的基因,然后对选择到的基因进行mRMR判断,保留与类别高度相关而其间相关性较小的基因构成最终被选基因子集。以SVM为分类器,以F1_measure、分类准确率和AUC为评价指标对本文算法选择的基因子集进行评估,并将本文算法与K-S检验、mRMR,以及经典的RELIEF和FAST算法进行比较。5个经典基因数据集上的平均实验结果揭示：本文算法的运行时间远低于mRMR算法,且其各项评价指标值优于其他比较算法。因此,本文提出的K-S检验与mRMR结合的基因选择算法能选择到非常有效的基因子集。     

基于半监督典型相关分析的多视图维数约简

为了有效地在半监督多视图情景下进行维数约简,提出了使用非负低秩图进行标签传播的半监督典型相关分析方法。非负低秩图捕获的全局线性近邻可以利用直接邻居和间接可达邻居的信息维持全局簇结构,同时,低秩的性质可以保持图的压缩表示。当无标签样本通过标签传播算法获得估计的标签信息后,在每个视图上构建软标签矩阵和概率类内散度矩阵。然后,通过最大化不同视图同类样本间相关性的同时最小化每个视图低维特征空间类内变化来提升特征鉴别能力。实验表明所提方法比已有相关方法能够取得更好的识别性能且更鲁棒。     

HMSST+:基于分布式内存数据库的HMSST算法优化

为了解决HMSST(HashMapSelectivityStrategyTree)算法在集中式环境下受限于有限内存的问题,提出了一种新的分布式SPARQL查询优化算法HMSST+。该算法基于Redis提出了一种分布式存储方案,通过平行扩展存储节点和分布式调度,使得海量RDF数据的查询得以在分布集群的内存中实现。采用LUBM1000所大学的测试数据集对查询策略进行了实验,结果表明提出的方法与HMSST算法相比具有更好的扩展能力,与现有的分布式查询方案相比也具有更好的查询效率。     

基于优选准则的混合混沌序列的生成

针对传统的m序列、Gold序列可用作扩频码的数量有限这一问题,提出了用混沌序列代替传统的m序列、Gold序列的方法。针对单个低维混沌映射产生的混沌序列存在抗攻击能力差、密钥空间小、保密性不理想等缺点,依据优选结果将单个低维的改进型Logistic序列与Chebyshev序列组合产生了一种新的混合序列。仿真结果表明,新的混合混沌序列平衡性高、类随机、相关性好,且该混合混沌序列和m序列、Gold序列的抗AWGN干扰和抗单频干扰的能力相近。     

基于视频的夜间车辆检测与跟踪算法研究

针对夜间高速光照条件差、车灯种类多样、环境因素干扰等导致的车辆难以检测的问题,提出了一种基于视频的夜间车辆的检测与跟踪算法。该方法首先将OTSU与一维最大熵阈值分割算法相结合来实现车灯的提取,剔除非车灯光源;然后利用车灯的时空特性完成车灯的匹配,解决了一车多灯和并排同速车辆的问题;最后利用kalman滤波器完成车灯的预测跟踪。在交通弱光流畅交通、正常光流畅交通和正常光拥堵交通3种应用场景下对所提算法进行应用和结果分析,实验结果表明所提方法在保证实时性的同时具有较高的准确率。     

基于BP和RBF神经网络的军事装备维修保障点选址问题研究

针对军事装备维修保障点选址问题,分别提出了基于BP和RBF神经网络的选址研究方法,构建了神经网络模型,设计了相应的算法步骤,并结合实际算例进行了具体分析;最后针对两种神经网络的不同适用情况进行了对比研究。     

LTL概率模型检验工具的实现与优化

概率模型检验建立在非概率模型检验技术的基础上,不仅能够对系统进行定性的验证,还能够定量判断系统满足相关性质的概率,具有广泛的适用性。LTL概率模型检验算法的复杂度较高,达到双重指数级别,现有的工具如PRISM与MRMC均不支持对LTL性质的验证。针对这个问题,通过对原有的LTL概率模型检验算法进行优化,实现了一个高效的LTL概率模型检验工具。通过对比实验验证了该工具的有效性。