一种基于聚类分析的R*树结点重叠判定算法

聚类分析可以对大量空间对象进行聚类划分,优化R*树的结点.根据R*树的强制重插原则,在聚类分析基础上提出一种扩展MBR的对角线段对相交算法以判定类结点的重叠.从根本上改变以往在解决R*树结点重叠时仅将MBR形状改变或单纯紧致正交MBR所存在的问题,以此为判定条件可以控制聚类算法迭代次数,减少噪声点对聚类的影响.其中判定算法时间复杂性为O(nlogn)级.实验结果表明在范围查询中引入基于聚类分析的对角线段对相交判定算法的查询效率优于基于R*树的Gain/Loss度量的贪婪算法和基于SR树的算法的查询效率.     

基于近邻传播聚类的铁路客运节点类别划分

为简化旅客列车开行方案优化编制问题,采用聚类法对铁路客运节点进行类别划分。选取2014年日均旅客发送量排名前100位客运节点的相关属性数据为实例,以铁路客运节点的类别划分依据作为属性变量,首先运用分层聚类中的凝聚法对属性变量进行聚类,然后根据简化的客运节点变量指标,运用近邻传播算法对客运节点样本其进行聚类,并引用CH、KL、IGP等三种聚类有效性指标对聚类结果加以分析。研究结果表明,将100个客运节点分为5个类别时,具有最好的聚类效果,可为旅客列车开行方案的设计奠定基础。     

机会传感网络移动节点连通度的影响因素

针对机会传感网络基于节点移动实现网络通信的特点,考虑到影响移动节点连通度的因素,提出了机会传感网络的移动节点连通度模型,实现了对移动节点连通度的刻画.在区域划分的机会传感网络中,分析了移动节点时间序列特征因子,得到与特征因子相关的影响移动节点连通度的因素.利用一元回归得到影响因素与时延的关系,通过回归组合分析得到移动节点的连通度模型.仿真结果表明,该模型能够反映机会传感网络移动节点的连通度.     

无线传感网非测距三维节点定位算法

采用DV-hop算法中距离矢量跳数和平均跳距计算方法,依据几何学原理,引入位置估算偏差值,利用加权质心算法进行位置估算,设计了一种新的无线传感网非测距三维节点定位算法,给出了该算法设计的理论依据和实现步骤．仿真结果表明,作为非测距定位算法,在设定的三维空间中,随机放置40个锚结点,能对所有节点进行定位,并可以达到0.4以下的较高精度,而且通信开销相比于二维定位方法增幅不大．     

基于层次分析法的犹豫模糊语言包络分析模型及其在边缘节点网络安全评估中的应用

针对传统的网络安全评估方法仅用单一语言术语作为偏好信息难以评估复杂网络环境的安全性的问题,利用犹豫模糊语言术语集作为评估网络安全的偏好信息,提出了一种基于层次分析法(analytic hierarchy process,AHP)的犹豫模糊语言包络分析模型,用以评估边缘节点的网络安全性。该模型通过求解目标规划模型获得最优的网络安全准则权重信息,进一步构建网络安全准则权重信息对应的AHP约束锥作为犹豫模糊语言包络分析模型的约束条件,获得移动用户安全评估的排序结果。实例证明该模型能够合理地融合网络安全准则偏好信息,并有效地处理边缘节点的网络安全评估问题。     

无线传感器网络中不良节点的判断与定位

为降低整个无线传感器网络的定位误差,基于图论相关原理和方法,对无线传感器网络中存在的边缘节点和亚孤立节点进行了判断,通过对此类不良节点周围的节点密度、接收锚节点的范围和方向进行分析,给出了不良节点定位误差偏大的理论解释和对其进行修正定位的解决方案,确立了无线传感器网络中边缘节点和亚孤立节点的判断与定位方法.不同场景下定位性能的仿真实验显示,运用这种方法,对规则的网络拓扑,经修正后不良节点的定位精度比修正前一般可以提高17%以上;对不规则的网络拓扑,经修正后的亚孤立节点定位精度比修正前一般可以提高10%以上.     

传感器网络节点随机调度算法的覆盖度分析

节点随机调度算法,是一种研究网络局部覆盖的重要方法,它无需知道节点位置信息、简单易用并有较高的实用价值。但是目前对该算法的研究成果均是基于布尔感知模型设计。布尔感知模型尽管简单,但不能真实地反映节点的感知能力。文中首次在概率感知模型下,分析了随机调度算法中网络覆盖度与节点数之间的关系,给出了节点数的下界值,并通过仿真验证了分析的正确性。     

32位和8位单片机的无线传感器网络系统

采用STM32F10X系列的芯片为主芯片、SH79F32为辅芯片,温度传感器DS18B20做采集工具,PTR8000无线模块做通信工具,实现无线传感器网络功能。通过Altium Designer Release 10进行原理图设计及PCB板的绘制,并制作电路板、焊接电路板,之后利用Keil软件设计程序,实现不同单片机之间的无线传感器网络通信,并完成了无线通信平台的设计与制作。     

I^2C总线在LonWorks网络节点上的应用

本提出一种仅用两个Ｉ／Ｏ口就在ＬｏｎＷｏｒｋｓ节点上扩展出一个Ｉ＾２Ｃ 一的子系的方法,将Ｉ＾２Ｃ 一与Ｌｏｎ－Ｗｏｒｋｓ网络相结合并给出个应用的实例。     

基于图勾勒的图链路预测方法

针对已有链路预测算法复杂度高,不适于在大规模图上进行链接预测的问题,本文基于图勾勒近似技术对已有链路预测方法进行优化,提出了基于图勾勒的链路预测方法。该方法将链路预测算法的计算复杂度由O（n³）降低至O（n²k²log²n）。为进一步提高链接预测效率,给出了基于Spark的并行化链路预测实现方法。在真实图数据集上进行测试,实验结果表明本文方法在保证链接预测精度的前提下,可有效提升算法效率。