一种贝叶斯网络分类器集群式参数学习的降噪算法

文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源。进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法。从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止噪声影响,而且避免分类器的过度拟合,进一步拓展采用集群式学习算法的鉴别式贝叶斯网络分类器在多类问题上的应用。最后,实验结果及其统计假设检验分析充分验证此算法比目前的集群式贝叶斯网络参数学习方法得到的分类器在性能上有较显著提高。     

任意长度GFT的W变换算法

任意长度ＧＦＴ的Ｗ变换算法付彬（湖南大学数学系）曾泳泓（国防科技大学七系）Ｗ－ＴＲＡＮＳＦＯＲＭＡＬＧＯＲＩＴＨＭＯＦＱＦＴＷＩＴＨＡＲＢＩＴＲＡＲＹＬＥＮＧＴＨ￥ＦｕＢｉｎ（ＨｕｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ，Ｈｕａｎａ）ＺｅｎｇＹｏ...     

基于树型依赖结构的多标记分类算法

在多标记学习中,发现与利用各标记之间的依赖关系能提高学习算法的性能。文中基于分类器链模型提出一种针对性的多标记分类算法。该算法首先量化标记间的依赖程度,并构建标记之间明确的树型依赖结构,从而可减弱分类器链算法中依赖关系的随机性,并将线性依赖关系泛化成树型依赖关系。为充分利用标记间的相互依赖关系,文中采用集成学习技术进一步学习并集成多个不同的标记树型依赖结构。实验结果表明,同分类器链等算法相比,该算法经过集成学习后有更好的分类性能,其能更有效地学习标记间的依赖关系。     

无线传感器网络中间件研究进展

无线传感器网络作为一种新兴的技术,受到了学术界和工业界的广泛关注.然而随着传感器网络及其应用的发展,系统的复杂性也随之增加,与传统网络相比无限传感器网络又具有其独特的特征,使得无线传感器网络的程序开发变得更加困难.中间件提供了一个编程抽象,方便了应用程序的开发,缩减了应用程序和底层设备的间隙.针对无线传感器网络的特点,分析了无线传感器网络中间件设计面临的问题,对有关设计方法进行了分类评述,并对几种典型中间件进行了比较,最后从通信范式、QoS支持和安全等方面提出了一些改进思路.     

IGCC电厂气化装置满负荷试验进展

华能（天津）IGCC（整体煤气化联合循环）示范电厂是中国第一座IGCC电厂,其核心装置为中国自主研发设计的两段式干煤粉气化炉。天津IGCC电厂在解决运行不稳、烧嘴罩泄漏、设备故障等难题和完成机组大负荷试验的基础上,为了对机组进行深度调试,开展了气化装置满负荷试验。通过对比分析,IGCC电厂气化装置满负荷试验验证了系统的稳定性,同时也发现了系统潜在的部分问题,这为以后机组的放大改进积累了宝贵的数据和经验。     

浅析高海拔地区使用的套管内绝缘长度改变

本文中作者利用Elec Net电场仿真软件对两支高海拔地区使用的500k V套管承受电压和电场强度进行了计算。计算结果表明,高海拔地区使用的套管外绝缘高度和承受电压需要修正,内绝缘长度也应改变。     

多接口车载自组织网络频谱分配算法研究

如何提升链路的并行传输能力是车载自组网面临的重要问题.如果在车辆上装配多个无线接口,并且分别调制到不同的正交信道可以有效增强链路的并行传输能力,从而提升网络吞吐率.针对拓扑变化对多接口车载自组网动态频谱分配带来的影响,提出了一种多接口车载自组网动态频谱分配算法.算法根据车辆的运动速度进行分簇,然后在簇头间通信中采用离线频谱分配策略,从而避免了网络的拓扑变化对频谱分配造成的影响.而簇内车辆具有相同的运动速度,所以具有稳定的簇内拓扑结构,有利于频谱分配算法的应用.仿真分析表明,提出的算法适用于多接口车载自组网,在动态拓扑环境下表现出了良好的性能.     

软件定义的VANET下流表用量感知的QoS路由机制

VANET可以提供各类安全和非安全相关的服务,但现有的VANET难以保障应用服务的QoS需求.软件定义网络(software defined networking, SDN)以系统化的灵活控制网络的方式出现,其分离的数据与控制平面为网络带来了可编程性.因此首先设计了一种面向异构多网接入的软件定义的VANET架构;接着提出一种流表用量感知的动态QoS保障框架,允许使用模块化的方式管理网络,并支持业务流的动态加入和退出;最后建立了多业务流多约束条件下流表用量感知的QoS路由模型,该模型不仅考虑了丢包、时延和吞吐量等链路参数,还考虑了业务需求和流表使用情况,从而为VANET应用服务提供并发的QoS路由.实验表明：流表用量感知的动态QoS路由机制不仅能够满足多业务对各自丢包、时延和吞吐量的要求,还能够感知流表用量,从而避免流表溢出对QoS路由机制的影响,进一步提高了网络QoS保障的性能.     

基于路径时延模型的车联网数据分发方案

针对车联网的容迟特性造成通信资源受限的问题,提出了满足副本抑制要求的数据分发方案.方案利用马尔可夫链,通过交通网络的车辆概率分布建立路段的期望传输时延,并结合车辆的轨迹与目标位置的匹配度确定车辆的转发优先级.车辆为转发的每个数据包插入转发参数字段并通过同步反馈机制确定最终的转发车辆,确保由优先级最高的车辆完成转发.考虑到链路的稳定性,还推导了当前丢包率前提下,车辆接收数据包与发送次数之比,避免不必要的发送尝试产生大量副本.实验结果显示,提出的方案与基于轨迹预测的算法相比,有效提高了网络吞吐量和时延性能.