基于GPRS网络的无线数据传输系统

构建了一种以嵌入式ARM微处理器LPC2210为核心,结合GSM/GPRS无线传输模块MC35开发的无线数据传输系统设计方案.系统硬件部分由数据采集处理终端、GPRS网络、Internet网络、监控中心服务器组成,软件部分包括操作系统,采集终端软件和控制中心服务器端软件.重点论述了软件系统的层次结构和实现难点.     

一个基于参数化设计模块的图形管理系统的设计

提出了一个基于参数化设计模块的图形管理系统，介绍了基本图元的描述、系统的组成、系统的管理，并成功地应用于自行车计算机辅助设计系统。     

图形文件中框架的获取

分析比较了框架和ＡｕｔｏＣＡＤ图形结构的共性，提出了一从ＡｕｔｏＣＡＤ图形中获取图形信息的框架的方法，给出了两个实现框架获取的函数和命令以及一个简单的实例。     

基于网络表示学习的链路预测算法

网络是表达对象之间复杂联系的重要形式,广泛存在。而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值。传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差。首先引入网络表示学习的概念,创新性地提出基于几何布朗运动的随机游走算法GbmRw,然后进一步设计出网络表示学习算法GBMLA,实现更具区分能力与表达能力的网络表示,最后以节点表示向量的欧式距离来表征节点之间的相似性,从而预测其链路存在的可能性。不同领域的多个网络中进行反复实验的结果表明,该算法较之于基于原始网络设计的传统算法,预测效果得到了明显的提升,也进一步肯定了网络表示学习对于链路预测工作的重要意义。     

基于图卷积网络和自编码器的半监督网络表示学习模型

为了保留网络结构信息和节点特征信息,结合图卷积神经网络(GCN)和自编码器(AE),提出可扩展的半监督深度网络表示学习模型(Semi-GCNAE).利用GCN捕获节点的K阶邻域中所有节点的结构和特征信息,并将捕获的信息作为AE的输入.AE对GCN捕获的K阶邻域信息进行特征提取和非线性降维,并结合Laplacian特征映射保留节点的团簇结构信息.引入集成学习方法联合训练GCN和AE,使模型习得的节点低维向量表示能同时保留网络结构信息和节点特征信息.在5个真实数据集上的广泛评估表明,文中模型习得的节点低维向量表示可以有效保留网络的结构和节点特征信息,并在节点分类、可视化和网络重构任务上性能较优.     

先优化后分类改进的小波域图像去噪方法

提出一种先优化后分类改进的小波域图像去噪方法。该方法是对现存NeighShrink去噪方法的改进,用stein的无偏风险估计,在小波域每一个子带确定一个最优的阈值和邻域窗口;根据邻域阈值的大小,将子带内的每个小波系数划分为“小”系数或“大”系数;对“小”系数直接置零,对“大”系数采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到真实系数的估计。实验结果表明,该方法在峰值信噪比指标上明显优于NeighShrink方法,同时有效地保存了图像的纹理信息,视觉效果较好。     

PMIPv6网络域内切换路由优化方法的改进

针对代理移动IPv6（PMIPv6）中域内切换时延较大的问题,提出了基于LMA的域内切换路由优化方法。在新方法中,当移动节点链接到的新的移动接入网关向LMA发送代理绑定更新（PBU）消息后,LMA向相关的移动接入网关回发通信绑定更新（CBU）消息。分析和仿真结果表明,优化方法实现了切换后由先前的优化路径平滑且快速地过渡到新的优化路径,从而新方法能够有效地减少切换时延同时降低了切换路由优化过程中包传递发生乱序的可能性。     

基于节点集Top-k频繁模式挖掘算法

频繁模式挖掘的模式数量通常过于巨大,在实际应用中只有少量的频繁模式被使用。Top-k频繁模式挖掘通过排列模式频数限制频繁模式的数量,有效提高了算法效率。提出了TPN（Top-k-Patterns based on Nodesets）算法,该算法使用了节点集的概念,将数据压缩于Poc-tree,通过Top-k-rank表重新计算最小支持度限制生成候选模式的数量。实验通过与ATFP,Top-k-FP-growth算法比较,证明该算法有较好的效率。     

IEEE802.16中基于非实时业务的节能算法

IEEE802.16系统中采用节能机制（PSM）来延长移动设备的电池使用寿命。针对非实时业务,IEEE802.16e和IEEE802.16m中的节能机制,通过令睡眠窗口指数倍增长来进行休眠,牺牲了大量的数据包响应时间来换取节能效果。为此,根据数据包到达的平均时间间隔,提出了一种动态设定移动终端（MS）睡眠周期的休眠算法nPSM。由基站（BS）在数据包到达时计算数据包平均到达间隔,并在下一次与移动终端通信过程中,通过下行数据包以捎带的方式将该信息传递给移动终端,作为后续休眠周期的长度。结合数学分析和仿真实验,验证了所提休眠算法相比现有针对非实时业务的节能算法,在低通信负载下,在减少数据包响应延时的同时提高了节能效果。