基于聚类和流量传播图的P2P流量识别方法

为有效监管网络,快速精确识别P2P流量,通过分析P2P网络流量中节点与节点、节点与链路之间的交互和行为特征,将聚类方法与流量传播图方法相结合,提出了一种基于网络行为特征的P2P流量识别方法。该方法首先通过采集网络流的包级和流级统计特征对不同种类的网络应用的流量进行聚类,然后利用流量传播图对P2P流量进行识别。实验结果表明,提出的方法在骨干网络数据上能够有效识别P2P网络应用流量,◢F◣▼1▽-measure达到95%以上。     

节点可靠感知的高效虚拟网络映射算法研究

针对虚拟网可靠性和映射效率低的问题,提出一种节点可靠感知的高效虚拟网映射算法。首先将节点中心度、节点就近原则引入虚拟网节点映射中,提高虚拟网映射效率;之后为降低虚拟网运行中物理节点失效危害,建立了物理节点设备的可靠性度量模型,并将节点可靠度作为物理节点重要度排序指标之一;最后利用多属性综合排序方法对节点进行映射。仿真结果表明,该算法在保证虚拟网可靠性的同时,提高了虚拟网映射成功率和映射收益。     

基于响应面法的无轨伸缩式门式起重机轻量化设计

依赖于传统经验方法的无轨伸缩式门式起重机结构设计往往趋于保守,材料浪费严重,为了充分发挥材料的承载性能,有必要对它进行优化分析。对无轨伸缩式门式起重机结构进行优化设计时,针对非线性接触模型计算不收敛与计算效率低等问题,提出以节点耦合模型代替接触模型来构建响应面近似模型,并将近似模型与多岛遗传算法相结合对结构参数进行优化。以某无轨伸缩式门式起重机各构件截面尺寸为初始设计变量,以结构强度、刚度、自重为模型响应,通过调用Isight平台中最优拉丁超立方设计方法产生设计变量样本点,再由试验设计（design of experiment,DOE）模块调用有限元分析软件ANSYS完成样本点模型仿真以筛选出对响应影响较大的设计变量。利用优选后的设计变量构建响应面近似模型,以结构强度和刚度为约束条件,门式起重机结构质量最轻为优化目标,采用多岛遗传算法对响应面模型进行优化。结果表明：在保证结构性能的前提下,优化后门式起重机质量减轻23.4%,轻量化效果明显。所提出的优化策略可较快获得全局最优解,减少了计算量,为无轨伸缩式门式起重机结构改进提供了理论依据。     

固定组成员的应用层组播树不稳定问题

传统的组播树稳定性研究一般都是基于组播成员的动态变化的.但在应用层组播中,由于组播树的组成节点是应用层的端系统节点,组播成员可以通过欺骗以企图在组播树上占据更有利的位置,从而在组播成员不变时也会造成组播树的不稳定.本文建立了应用层组播节点的欺骗模型,并讨论了在固定组成员的情况下,节点欺骗引起的组播树不稳定问题.模拟实验结果表明,节点欺骗对应用层组播树的稳定性有极大的负面影响.     

编码—解码结构的语义分割

目的 语义分割是计算机视觉中一项具有挑战性的任务,其核心是为图像中的每个像素分配相应的语义类别标签。然而,在语义分割任务中,缺乏丰富的多尺度信息和足够的空间信息会严重影响图像分割结果。为进一步提升图像分割效果,从提取丰富的多尺度信息和充分的空间信息出发,本文提出了一种基于编码-解码结构的语义分割模型。方法 运用ResNet-101网络作为模型的骨架提取特征图,在骨架末端附加一个多尺度信息融合模块,用于在网络深层提取区分力强且多尺度信息丰富的特征图。并且,在网络浅层引入空间信息捕获模块来提取丰富的空间信息。由空间信息捕获模块捕获的带有丰富空间信息的特征图和由多尺度信息融合模块提取的区分力强且多尺度信息丰富的特征图将融合为一个新的信息丰富的特征图集合,经过多核卷积块细化之后,最终运用数据依赖的上采样（DUpsampling）操作得到图像分割结果。结果 此模型在2个公开数据集（Cityscapes数据集和PASCAL VOC 2012数据集）上进行了大量实验,验证了所设计的每个模块及整个模型的有效性。新模型与最新的10种方法进行了比较,在Cityscapes数据集中,相比于RefineNet模型、DeepLabv2-CRF模型和LRR（Laplacian reconstruction and refinement）模型,平均交并比（mIoU）值分别提高了0.52%、3.72%和4.42%;在PASCAL VOC 2012数据集中,相比于Piecewise模型、DPN（deep parsing network）模型和GCRF（Gaussion conditional random field network）模型,mIoU值分别提高了6.23%、7.43%和8.33%。结论 本文语义分割模型,提取了更加丰富的多尺度信息和空间信息,使得分割结果更加准确。此模型可应用于医学图像分析、自动驾驶、无人机等领域。     

南方丘陵山区湿地氮磷时空变化及影响因素分析

对陈墩库区湿地从2015年9月到2016年8月进行水质监测,通过方差分析和相关性分析归纳总结湿地氮磷浓度变化规律,探究不同植物与湿地氮磷的相互作用。结果表明:陈墩库区TN、TP浓度在不同湿地季节变化有所差异,各湿地TN浓度在春、夏、冬差异显著;TP在冬季有显著差异,其余季节均无明显差异,陈墩库区TN、TP浓度季节变化与进水氮磷浓度和湿地面积、植物类型及生长状况密切相关;不同植物与湿地TN、TP呈现不同的相关性,这与水生植物对氮磷的吸收能力不同有关;轮叶黑藻、再力花、芦苇对氮磷的去除效果较好。     

位置注意力引导下的青光眼自动筛查方法

为了提高青光眼疾病的预测和诊断的准确性, 避免人工筛查造成的误差累积, 本文提出了一种位置注意力引导下的青光眼自动筛查方法. 所提出的模型包含了眼底图像注意力预测和青光眼疾病分类两个部分. 首先, 提出了一个基于结合深度理解卷积核和通道激励连接空间金字塔的U型网络进行眼底图像注意力预测, 并将解码过程中的特征图作为空间信息引导青光眼分类. 其次, 提出了在青光眼分类模型中使用的位置注意力机制, 该注意力机制结合不同来源的通道信息与空间信息对来自外部编码器的特征图进行动态调整. 青光眼分类模型的主分支堆叠了多个位置注意力模块和残差模块用于实现分类任务, 同时设计了一个用于分割任务的辅助分支协助模型训练和优化, 提高分类精度. 所提方法基于青光眼LAG数据集测试的精准度、召回率和AUC指标分别达到97.84%、97.75%和98.57%, 表现优于所有对比模型. 通过可视化注意力激活热图得到的模型决策关注区域更加准确, 辅助临床诊断中对病灶的定位, 并为临床诊断的结果提供有效的参考.     

基于中间节点效应的无标度网络演化模型研究

原BA模型以网络中已存在的各个节点与新增节点的连接相互独立为前提。然而,在真实系统中,当网络中一个节点与新增节点连接后,该节点对其邻居节点与新增节点的连接会存在影响。针对该现象,提出了基于中间节点效应的无标度网络演化模型。首先描述与定义了中间节点效应,然后给出了中间节点效应模型的生成算法,并从理论上分析了该模型的度分布情况,最后利用仿真验证了理论分析的正确性,并就度分布、群聚系数、平均路径长度等复杂网络参数与原BA模型进行了对比,结果表明此模型能生成无标度网络并且更符合现实网络的演化过程。     

遥感图像语义分割空间全局上下文信息网络

为了解决卷积神经网络(CNN)在语义分割特征提取阶段容易丢失空间信息以及边界信息不明确的问题,基于U-Net基线网络提出空间全局上下文信息网络(NC-Net). 增加再编码阶段(ReEncoder),以增强空间信息识别能力. 在Decoder阶段输出多尺度特征,与ReEncoder阶段结合获取全局上下文信息. 保留边界损失函数,设计多尺度损失函数级联方法,优化整体网络. 在GID以及WHDLD数据集上的实验结果表明,该方法的总体准确度达到最好成绩,明显优于其他基线模型.