基于特征迭代的云存储数据即时确定性删除方法

传统数据删除方法易受到云存储环境中大量近似特征的影响,产生冗余数据,导致加解密时间过长、密钥可用率较低,为此提出一种基于特征迭代的云存储数据即时确定性删除方法。首先,提取云存储数据中的冗余数据特征,对云存储下冗余数据进行分类,迭代直至收敛,实现冗余数据高性能删除;其次,采用加密机制实现云存储数据在网络用户间的安全共享,将原始数据密文切分为剩余密文和采样密文;最后,把不完整的剩余数据密文上传至云端,同时引入可信任第三方对取样密文进行保存,通过销毁取样密文实现数据即时确定性删除。实验结果表明,所提方法的数据密文拆分所用时间较短,且密钥可用率较高,可达90%,说明其方法能够有效满足云存储系统中对冗余数据或过期数据的确定性删除要求。     

能效优先的用户关联与功率控制协同优化机制

在异构蜂窝网络中,针对系统的能效,提出了一种基于效用函数最大化模型的用户关联与功率控制协同优化方案,该方案表示为非线性混合整数问题。为了求得该问题的最优解,设计了一种迭代算法,首先将原问题转换为带参数的多项式形式的问题,在外层循环利用Dinkelbach方法求得最佳的能效因子,然后在内层循环分别求得最佳的用户关联矩阵和传输功率。最终实验结果表明,用户关联与功率控制协同的优化方案在能效和负载平衡方面比固定功率条件下的用户关联策略的性能更优。     

Pb(Mg_(1+x)/3Nb_(2-x)/3)O_3铁电材料中有序-无序相变的理论研究

基于Kikuchi自洽迭代方法,利用有序-无序相变理论,并取最近邻相互作用近似,研究了Pb(Mg_((1+x)/2)Nb_((2-x)/2)O_3晶粒中在x=0.5时有序区形成的原因,提出Mg~(2+)∶Nb~(5+)=1∶1(离子数比)时,形成B位有序排列最为有利,并且弱的空间电荷场不影响这种有序排列的形成,同时给出了温度-组份的有序-无序相图。     

Super-Resolution image Reconstruction Based on Iteration and Wavelet Transform

In this paper, we provide a super-resolution image reconstruction algorithm based on wavelet transform. Wavelet transform can separate high frequency and low frequency information of image. The more high frequency information can be obtained by using wavelet transform and the technique of image fusion. Meanwhile, reconstructed super-resolution image is produced by the iterative method. In iteration process, noise of image can be suppressed by applying method of wavelet threshold de-noising. The experiment results show that the algorithm can overcome the disadvantage of the classical interpolation method and effectively improve the resolution and PSNR of the image.     

“可以穿戴”到“愿意穿戴” 还有多远

正可穿戴设备目前仍处于"可以穿戴"的阶段,显然实现用户"愿意穿戴"还有很长一段路要走。一年一度的CES(国际电子消费品展)如期在美国拉斯维加斯盛大举行,可穿戴设备无疑是CES 2014上最耀眼的一颗新星。在大会开幕的前几天,可穿戴设备可谓无处不在,大量产品集中发布,大型科技公司几乎无一掉队。     

弱稀疏性下的无线传感器网络事件检测算法

为提高弱稀疏性条件下基于压缩感知的无线传感器网络事件检测的可靠性和有效性,提出一种迭代凸优化网络事件检测算法。该方法利用多次凸优化算法共同对弱稀疏性网络事件进行检测,在每次运行凸优化算法后,对已检测出的网络事件进行加权以降低权值,从而有利于其他网络事件在下次凸优化中得到检测。与以往的无线传感器网络事件检测算法相比,迭代凸优化检测算法可在网络事件稀疏性较弱的情况下保证成功检测概率。仿真实验验证了所提算法的正确性。     

一种融合多帧ICP和图优化的算法研究

当前基于迭代最近点拼接的同时定位与建图算法,存在误差积累、无法满足大范围定位精度的缺陷。为此,提出一种融合多帧迭代最近点和图优化的算法。在时域上处理点云拼接问题,将单帧迭代最近点算法推广到多帧进行最近点迭代,提取同一地点在不同时刻的数据特征,形成多个封闭循环,再运用基于最小二乘的图优化方法对点云拼接后的全网数据进行全局优化,消除累计误差,提升整体的定位精度。采用鲁巷和密歇根的数据进行测试,结果表明,该方法在一定程度上减少了匹配误差,平均误差为1.0m,最小误差为0.2m,可以满足大范围同步定位与建图的精度需求。     

大规模最小二乘奇异值分解的并行处理方法

大规模最小二乘问题求解中,直接进行奇异值分解会产生巨大的内存需求以及漫长的计算时间。为解决该问题,提出了一种基于迭代的并行处理方法。该方法利用奇异值分解降维的特性,通过迭代不断减小矩阵规模,直到可以直接使用奇异值分解求解。在迭代过程中,将矩阵分解为许多足够小的子矩阵,并行处理其奇异值分解过程,从而提升运行速度。实验结果表明,该方法即使是串行处理,也使得大规模最小二乘奇异值分解的时间成本及空间成本大大降低;而并行处理在双机条件下加速比接近200％。     

MapReduce模型下的模糊C均值算法研究

针对模糊C均值算法需要不断迭代来计算样本数据的隶属度值以及聚类中心的特点,利用MapReduce模型解决海量数据下的模糊C均值问题,进而提出高效的模糊C均值算法。在Map阶段和Reduce阶段分别完成隶属度和聚类中心的计算,每次迭代都需要启动一次完整的MapReduce执行过程。通过多次迭代计算出隶属度值以及聚类中心,并更新聚类中心文件,供下一轮作业使用,重复执行这一过程直至得到最终聚类结果。实验结果表明,该算法能够有效减少MapReduce计算过程中的迭代次数,从而提高整体执行效率。     

基于重加权快速交替方向法的频谱感知

在认知无线电网络中,由于深衰落和低信噪比的影响,单个认知用户的宽带频谱检测性能较差,且算法复杂度较高。针对该问题,提出一种基于重加权快速交替方向法的频谱感知算法。利用目标函数的凸性,通过求导简化辅助变量的更新过程。对目标函数进行线性化处理,增加一个二次项,使待估变量更新时部分项线性化的增广拉格朗日函数成为严格凸函数,并使用迭代软阈值算法进行求解。在目标项中增加大权值抑制信号中的非零元素,获得接近于最小?0范数的解。实验结果表明,该算法能有效提高低信噪比环境下的检测概率和检测速度。