P2P流媒体点播系统中的缓存管理方案的研究和实现

视频点播系统的缓存管理对系统的性能有重要的影响.回顾了现有的缓存策略,分析了P2P网络和传统中心服务器网络缓存策略的不同,然后提出一种适应P2P流媒体点播系统的缓存管理算法.给出了新型的算法描述,并构建原型系统进行性能对比测试.测试结果表明系统骨干节点的资源利用率和普通节点节目的播放质量和流畅性都得到了提高,证实了算法在P2P点播系统中的可行性和有效性.     

基于数字音频广播技术的数据服务介绍

依据对数字音频广播技术的相关国际标准分析,仔细阐述了目前各类基于数字音频广播技术的数据服务类型,提出了一种基于广播网络的数据服务的基本体系结构.经过对数字音频广播国际标准的协议栈分析,着重介绍了网络层和应用层的划分,以及这两层内目前流行的各种协议.最后,介绍了北京市基于此类标准的数据服务的实现方法.     

提取个性化目标的需求分析方法

目前基于目标的需求分析方法多在一定程度上依赖于当前实际的业务流程,因此提出一种弱化这种依赖,能为每一个客户提供个性化目标集的需求分析方法.在该方法中,目标由业务专家按照规范化的形式预先保存在目标知识库并能不断优化丰富,客户目标分析算法在和客户的交互中获得客户提出的目标并对其进行分析、修正,直到生成一个个性化客户目标集--目标树.     

运动目标跟踪系统的遮挡问题处理

遮挡是运动目标跟踪研究中的一个重要问题,介绍了基于Markov Chain Monte Carlo(MCMC)的运动物体遮挡问题解决方法.该方法通过建立贝叶斯模型,确定先验概率和条件概率,将车辆分割问题看成求后验概率最大时的车辆状态;然后运用MCMC方法对后验概率进行估计,设计MCMC标准对后验概率进行采样,用长方形模型来近似车辆外形.实验证明MCMC方法在不需对车辆单独初始化的前提下能有效的将相互遮挡的车辆分割出来,检测出车辆之间的相互遮挡.     

局部遮挡下的目标识别算法

规格化互相关算法是用得较普遍的目标识别方法,但是当目标区域被局部遮挡时,该方法通常不能正确定位目标.提出了一种新的基于选择互相关系数的目标识别算法用于搜索有局部遮挡的目标区域.算法分两步进行:用增量互相关算法计算出模板图和场景图的增量图像,比较二者增量图像的一致性,计算出选择互相关系数矩阵;结合选择互相关系数矩阵,用规格化互相关算法在场景图中搜索目标区域.当场景图存在较严重的噪声时,可对选择互相关系数矩阵进行修正以克服噪声的影响.实验结果表明,基于选择互相关系数的目标识别算法对局部遮挡和高亮度变化情况有较强的鲁棒性.     

基于J-sim的主动节点内存资源管理

由于主动网络中主动节点可以运行用户订制的代码,从而使得主动节点的资源管理变得非常重要,主动节点资源主要包括内存、CPU,带宽.探讨了内存资源管理的算法.内存管理主要从两方面入手,一方面是限制主动应用(主动信包)运行的时间,另一方面是限制主动信包运行时占用的内存大小,在J-Sim仿真平台上建立了一个基于组件的灵活的主动节点内存资源管理模型.试验结果显示此算法能较好的管理内存资源.     

用于WSNs目标探测的传感模块设计

介绍了一种用于无线传感器网络（WSNs）中进行目标探测的传感器模块,描述了它的软硬件设计与数据处理的算法。该设计主要包括传感器单元、微处理器单元和射频通信单元。在传感器单元中对于外界目标的振动、声音和温度传感器信号进行了采集。在微处理器单元中使用数字信号处理对数据进行预处理并取得信号的特征值。在射频通信单元中将特征值通过WSNs传输到上位机。实验证明：该模块具有良好的稳定性和重复性,可以用于多种环境下的目标探测。     

一种基于正态分布交叉的ε-MOEA

实数编码的多目标进化算法常使用模拟二进制交叉(simulated binary crossover,简称SBX)算子.通过对SBX以及进化策略中变异算子进行对比分析,并引入进化策略中的离散重组算子,提出了一种正态分布交叉(normal distribution crossover,简称NDX)算子.首先在一维搜索空间实例中对NDX与SBX算子进行比较和分析,然后将NDX算子应用于Deb等人提出的稳态多目标进化算法ε-MOEA(ε-dominance based multiobjective evolutionary algorithm)中.采用NDX算子的ε-MOEA(记为ε-MOEA/NDX)算法在多目标优化标准测试集ZDT和DTLZ的10个函数上进行了实验比较.实验结果和分析表明,采用NDX的?-MOEA所求得的Pareto最优解集质量明显优于经典算法ε-MOEA/SBX和NSGA-II.     

求解多目标优化问题的分级变异量子进化算法

分析量子进化算法和免疫算子的特点,提出一种分级变异的量子进化算法,用于求解多目标优化问题.算法主要基于两个策略:首先,利用快速非受控排序和密度距离计算种群抗原-抗体的亲和度;然后,基于亲和度排序将个体进行分级,最优分级中的个体作为算法中的最优个体,大部分实施量子旋转更新和免疫操作,而剩余分级中的个体实施免疫交叉操作以获得新的个体补充种群.求解多目标0/1背包问题的实验结果表明了该算法的有效性.

     

一种基于模糊密度动态调节的融合目标识别方法

针对工程应用的需要,给出一种根据实时动态数据确定模糊密度调节系数的方法,并建立了基于模糊密度动态调节的融合目标识别算法.最后通过仿真实验给出了各种模糊积分用于目标融合识别时的识别结果,验证了所提出方法的有效性.