面向污水处理的动态变分贝叶斯混合因子故障诊断

在污水生化处理过程中,存在着多变量耦合、强非线性、参数时变、大滞后等特点,面对这些特点,传感器故障频发,从而导致生化过程无法得到有效优化和诊断.为此,本文在结合动态数据特性的基础上提出了一种基于变分贝叶斯混合因子的动态故障诊断方法,同时,利用混合因子的在线调整实现了诊断模型的半自适应化.该方法能够捕捉到污水处理过程的强非线性和动态性,从而可有效降低故障诊断的误报率和漏报率.通过在国际水协会的BSM1模型上的模拟研究,充分表明所提出的策略可以显著提高故障诊断能力,精确地检测传感器的突变和漂移故障,甚至定位故障所发生的根本原因.     

内容中心网络数据污染的快速检测机制

内容中心网络通过路由器缓存内容来提高网络的整体性能.为防止被污染的数据在网络中扩散,路由器需要对进入网络的内容进行验证.原始的验证机制需要对内容的数字签名进行非对称密钥解密操作,导致内容验证速度不能满足高速路由器的需求.提出了基于着色的快速内容验证机制,以减少内容验证的计算复杂度,加快内容的检测速度.该机制通过对第1次进入网络的正确内容进行着色操作以保证其正确性.被着色的内容再次进入网络时,路由器可以通过着色信息来快速验证内容的正确性,从而提高路由器的检测速度.     

一种非平稳环境下的自适应变步长盲源分离算法

提出一种基于不完整自然梯度的变步长约束算法,用来处理非平稳环境下的瞬时盲源分离问题.该算法利用系统上的扰动对代价函数进行约束,对算法中的约束因子采用自适应形式,根据分离情况对约束因子进行自适应调整,以加快收敛速度.同时,引入基于代价函数梯度的变步长,使其具有更好的跟踪性能.仿真结果表明,在非平稳环境下,所提出的算法在提高收敛速度的同时可以有效分离源信号而不产生严重的稳态误差.     

大规模多天线系统中一种导频联合调度方案设计

导频污染严重制约了大规模多天线系统技术的进步,如何抑制大规模多天线系统中的导频污染成为了研究的热点。在基于时移导频调度的基础上,提出了一种结合频率部分复用技术的导频联合调度策略。该策略首先将小区分为若干组,在其中一组接收导频的同时,其他组进行下行链路的信息传输,然后再利用部分频率复用技术将系统带宽分为若干个子载波,在同一组各个小区的边界区域分别以正交分配方式分配不同的子载波,因此在同一组内小区边界用户收到的干扰源数量会大大降低,从而达到抑制导频污染的目的。仿真结果表明,该联合调度策略有效地降低系统的误码率。     

基于向量冲突表示方法的证据组合规则

针对Dempster组合规则在高冲突证据融合的情况下常常会得到违背直觉的结果,提出了一种基于向量冲突表示方法的Dempster(VCRD)组合规则。首先,通过实例分析了冲突因子和Jousselme距离存在的不足;然后,利用证据向量的相似性和差异性共同衡量证据之间的冲突程度,通过证据之间的冲突程度确定修正证据的权重因子,对融合证据进行预处理;最后,利用Dempster组合规则进行融合。理论分析和仿真实验结果表明:与Dempster组合规则及其它改进算法相比,VCRD组合规则能够合理地处理高冲突证据情况下的融合问题,降低了决策风险。     

基于光纤通道存储区域网的改进DHCHAP安全协议研究

数据中心及各种云平台的迅猛发展对所采用的光纤通道存储区域网(FC SAN)提出了更高的要求。其所涉及的安全性问题逐渐成为其中的研究重点,而身份认证通常是构筑网络系统的安全基石,是构成其他信息安全技术的基础,因此设计一个可靠性高、安全性强的认证方案显得尤为迫切。在研究FC SAN中现有DHCHAP(Diffie-Hellman Change-Handshake Authentication Protocal)协议认证的基础上,针对随机值不安全,通信次数多的问题提出一种改进的安全协议方案。通过使用有效的干扰因子隐藏原有协议的随机数,并额外引入动态参数,在comware v7的系统平台上设计并实现了二重双向认证机制。通过模拟不同组网环境,模拟报文攻击等实验,确认了协议的有效性和安全性,进一步提升了目前常用FC SAN中设备与设备,设备与节点(服务器、磁盘)之间通信的安全性和高效性。     

一种LKH组播密钥树的启发式构建方法

LKH（Logical Key Hierarchy）方法是一种有效的组播密钥更新技术。但在密钥更新过程中,该方法的加密开销与传输开销往往成为通信系统的瓶颈。通过对上述问题的研究,给出最优密钥树结构的定义,并提出一种构建最优密钥树的启发式搜索算法。与传统LKH密钥树结构相比,最优树的不同层具有不同的分支数,因此其可降低密钥更新过程中的处理开销。理论分析与仿真实验均表明,所提方案可有效降低系统组播密钥更新的加密开销、传输开销及密钥存储量。     

云计算中基于改进的布谷鸟算法的资源调度

云计算的资源调度一直以来都是研究的重点,引入布谷鸟算法来解决资源分配问题,首先描述云计算资源模型,其次针对该算法存在局部收敛速度快,容易造成局部最优值的问题,采用三个方面来改进,其一采用变长因子进行调整,减小探索求解质量之间的差别;其二使用差分变异策略更新鸟窝位置;其三使用基于Coelho的混沌全局搜素和局部搜索避免了Levy的随意扰动.通过测试函数说明表明本文算法的性能优于基本布谷鸟算法, Cloudsim仿真平台说明本文的算法在消耗时间,成本和用户满意度方面具有明显的优势.     

基于时间和影响力因子的Github Pull Request评审人推荐

开源社区github提供了pull request的机制让开发者可以把自己的代码集成到github的开源项目中从而为项目做出贡献.Pull request的代码评审是github这类分布式软件开发社区维护开源项目代码质量的非常重要的方式.为一个新到来的pull request指派合适的代码评审人可以有效减少pull request从提交到开始审核的延迟.目前github是由项目核心成员人工来完成评审人的指派,为了减少这种人力损耗,我们提出代码评审人的推荐系统,该系统基于信息检索的方法,并考虑了评审人的影响力因子以及评审的时间衰减的因素,对新到来的pull request,自动推荐最相关的评审人.我们的方法对top 1的准确度达到了68%,对top 10的召回率达到了78%.     

基于GPU的后置处理运动模糊算法

针对虚拟现实系统中运动模糊的真实感绘制问题,着重研究了一种基于图形处理器（GPU）后置处理的运动模糊改进算法. 该算法通过将场景渲染时前后两帧全分辨率纹理图的深度值存入深度缓存区,使用其深度信息与当前帧的映射矩阵提取物体的世界中心坐标,并获取运动的速度矢量;沿速度矢量进行采样、高斯滤波,最后引入模糊因子,并对线性化采样值进行加权融合,力求实现最真实的运动模糊效果. 实验结果表明：所提算法不仅不会影响大型虚拟现实系统的渲染流畅度,更改善了过分重影或者拖影,具有良好的实时性和真实感.