融合MAC和路由的跨层设计节能协议

融合MAC和路由功能,采用跨层设计方法,提出一种增强型的AIMRP协议——E-AIMRP。该协议针对事件检测与快速报告型应用,解决AIMRP中由于多节点检测和报告而造成的能量浪费问题,扩展单节点检测拓扑模型。仿真结果表明,E-AIMRP能增强协议的扩展性,进一步提高节能效率并减少时延。     

基于改进ACS算法的SMT自动光学检测路径规划

对采用表面安装技术的印刷电路板进行自动光学检测时,需要对检测路径进行合理规划,以在最短时间完成对PCB上所有检测窗的图像采集.针对该问题提出用ACS算法进行路径规划,并引入遗传机制,采用在每一次迭代前使蚂蚁智能继承上一代优秀巡回路径的策略,有效地实现算法求解效率和运行效率的平衡.实验结果表明,该算法有较快的收敛速度,并且解的质量优于其它路径规划算法,用于解决AOI中的路径规划问题是行之有效的.     

基于地理信息静态分簇的无线传感器网络路由算法

通过路由算法减少节点的能耗、延长网络的寿命是无线传感器网络的研究重点之一。探讨了能量高效的分层无线传感器网络路由算法,提出一个基于地理位置信息静态分簇,根据节点剩余能量及节点在簇内的位置选择簇头的分层路由算法(GSCH),适用于静态无线传感器网络。仿真实验结果表明该路由算法有效地减少分簇成形及簇首选择的能耗,延长了整个网络的寿命。     

多项式光滑的支持向量回归机

光滑函数将不光滑的模型变为光滑模型,改善支持向量回归机的回归性能和效率,从而降低计算的复杂性.寻找性能更好的光滑函数是研究光滑向量回归机的一个关键问题.本文用级数展开的方法得出了ε–不敏感的支持向量回归机|x|ε2的一类新的光滑函数.证明了这类函数的性能,它能满足任意阶光滑的要求,也能达到任意给定的逼近精度.实验结果表明,随着光滑阶数的提高,逼近精度和回归性能也相应提高.从而为支持向量回归机和相关研究领域提供了一类新的、性能更好的多项式光滑函数.     

基于跨层的中高速传感器网络多元参数调度与资源自适应分配算法

针对中高速传感器网络中不同业务对QoS(quality of scrvice)的不同要求,跨层考虑物理层和数据链路层参数,提出了一种适合混合业务的多元参数调度算法和资源分配算法。该算法根据不同的业务动态调整时延补偿因子和吞吐量补偿因子两个参数,在满足实时业务QoS约束的前提下,以最大化系统吞吐量为目标建立了相应的优化模模型,对于实时业务能满足时延较小的要求,对于非实时业务能满足吞吐量较大的要求。仿真结果表明,该调度算法可以灵活地在系统功率效率和用户服务质量满意度之间取得折衷,并保证不同类型业务用户间的公平性。     

半监督多示例核

在多示例学习中引入利用未标记示例的机制,能降低训练的成本并提高学习器的泛化能力。当前半监督多示例学习算法大部分是基于对包中的每一个示例进行标记,把多示例学习转化为一个单示例半监督学习问题。考虑到包的类标记由包中示例及包的结构决定,提出一种直接在包层次上进行半监督学习的多示例学习算法。通过定义多示例核,利用所有包(有标记和未标记)计算包层次的图拉普拉斯矩阵,作为优化目标中的光滑性惩罚项。在多示例核所张成的RKHS空间中寻找最优解被归结为确定一个经过未标记数据修改的多示例核函数,它能直接用在经典的核学习方法上。在实验数据集上对算法进行了测试,并和已有的算法进行了比较。实验结果表明,基于半监督多示例核的算法能够使用更少量的训练数据而达到与监督学习算法同样的精度,在有标记数据集相同的情况下利用未标记数据能有效地提高学习器的泛化能力。     

大规模无线传感器网络多优先级自适应分簇路由协议

对大规模无线传感器网络(WSNs)的路由协议进行了研究,针对大规模WSNs密集实时数据采集这一应用模型所存在的传送实时数据延时长、传送大量密集数据能耗大的问题,在LEACH-c协议的基础上,提出一种多优先级自适应(MPA)分簇路由协议.该协议针对不同数据采用多优先级服务策略,同时引入基于休眠/活动节点对的改进TDMA机制.仿真结果表明:MPA协议较LEACH-C协议有效地减少了传输实时数据的延时,并且为网络提供了很好的能量有效性.更适合于采集密集实时数据的大规模部署的WSNs.     

改进布谷鸟搜索算法优化SVM的网络流量预测模型

网络流量建模预测是网络管理和安全预警的基础。为了提高网络流量的预测精度,提出一种改进布谷鸟搜索算法优化支持向量机的网络流量预测模型(MCS-SVM)。首先将一维网络流量时间序列重构成多维时间序列;然后将支持向量机参数看作一个鸟巢位置,通过模拟布谷种群寄生繁衍机制找到最优参数;最后根据最优参数建立网络流量预测模型,并通过仿真实验对MCSSVM的性能进行测试。仿真结果表明,相对于参比模型,MCS-SVM提高了网络流量的预测精度,更加准确地刻画了网络流量复杂变化趋势,为具有混沌性网络流量预测提供了一种新的研究工具。     

CPS中的一种KID组合优化算法

由于信息物理融合系统中网络之间的依赖关系,使得连锁故障现象频繁出现,系统变得脆弱,甚至可能引起网络瘫痪.如何减少连锁故障现象的发生是研究的重点内容.提出一种KID组合优化算法,通过寻求网络中节点的双向外连接数目K、网络内聚度ID(intra-degree)与阈值Pc值(维持网络运行所需要的最小值)的关系,找到K与ID如何组合使得Pc值降低,从而达到减少连锁故障现象的发生、提高网络稳定性的目的.从仿真可以看出:在ID一定的情况下,可以改变K值,使得阈值Pc最低,此时的系统稳定性最好;在相同K、ID组合的情况下该算法比随机分配、单向外连接边等算法更能提高系统的稳定性.