基于YOLOv5的高速公路小目标车辆逆行检测模型

针对高速公路视频数据中道路场景复杂、远端车辆目标小等现象,导致车辆逆行检测模型准确率低的问题,提出了一种基于YOLOv5和DeepSORT的CECAY5D模型框架。框架中设计了一种通道-空间注意力单元CECAC3,用于增强模型对小目标聚集区域的关注程度,提升小目标车辆检测的精度。CECAC3注意力单元是在有效通道注意力模块基础上增加了C3残差模块和空间注意力模块。在高速公路车辆逆行视频数据集下进行对比试验,实验结果表明,逆行检测模型CECAY5D在高速公路监控视频下的检测率和漏检率分别为90%和10%,相比于YOLOv5+DeepSORT模型,检测率提高了25%,漏检率降低了25%,因此该模型具有较高的检测率和较低的漏检率。     

基于语义的电子商务异构信息集成模式研究

电子商务平台是一个基于因特网的多信息融合环境。从本质上来说,该信息环境的数据模式属于一个异构的形式。针对电子商务平台信息融合的特点,本文探讨并研究了信息融合中的异构数据的语义集成及关键技术,提出了一类基于XML的电子商务平台异构信息的语义集成方案。     

机载视频点播服务中的路由请求算法研究

机载视频点播中的路由选择问题是有效保证点播服务用户体验的重要技术之一。该问题可抽象为一个受控离散时间排队系统,包括一个分发器与一些VoD服务器。该系统可用马尔科夫决策过程进行建模。由于马尔科夫决策过程存在状态空间爆炸问题,因此给出了一种基于贪心策略的启发式算法。该启发式算法较为简单,且可以在线执行。最后进行了大量仿真实验,说明启发式算法较为有效。     

基于随机网络演算的LTE网络端到端时延分析

长期演进计划LTE(Long Term Evolution)由第三代合作伙伴计划(The 3rd Generation PartnershipProject,3GPP)提出,是下一代高速无线网络通信的重要标准.LTE网络中的数据传输性能评价是学术界与工业界重要问题.但是,无线信道的时变性使得LTE网络中性能评价的复杂度大大增加.文中利用随机网络演算对LTE网络中不同数据流的到达和服务进行建模,建立了对LTE网络进行数据传输时端到端(End-to-End,E2E)时延分析的框架,并通过数值分析验证了所建立框架的有效性.     

结合深度强化学习的区块链分片系统性能优化

提高区块链系统吞吐量是广泛应用区块链的关键问题之一。针对以上问题,将分片技术应用到区块链系统中,通过使区块链并行处理事务提高区块链的吞吐量。将区块链分片选择问题建立为马尔科夫决策过程（Markov decision process,MDP）,并设计了基于深度强化学习（deep reinforcement learning,DRL）的区块链分片最优选择策略（branching dueling Q-network shard-based blockchain,BDQSB）。所采用的BDQSB算法克服了传统DRL算法行为空间维度高、神经网络难以训练的缺点。仿真实验结果表明,所提出的方法可以有效降低行为空间维度,提高区块链处理事务的吞吐量和可扩展性。     

网络协议分析与决策树挖掘的入侵检测模型研究

在入侵检测系统中,采用网络协议分析技术可以有效地减少数据包的搜索空间。结合网络协议分析技术和决策树挖掘技术,提出一种新型的入侵检测模型。该模型首先分析数据包的协议类型,然后根据协议类型来确定最佳的决策树算法以进行入侵检测。实证研究表明,该模型较传统的基于决策树的入侵检测模型具有更高的准确性,更适合于目前高速网络环境中的入侵检测要求。     

AFDX端系统关键技术的研究与实现

分析AFDX协议关键技术,围绕其端系统的构建,给出一个实用的AFDX端系统架构。针对AFDX的地址映射和实时性机制,提出AFDX端系统关键模块的发送协议处理算法和流量整形综合调度算法。基于Linux操作系统,对该AFDX端系统架构进行仿真验证,结果证明其较好地满足了航空电子网络数据传输的实时性和可靠性需求。     

基于P2P流媒体实时分发模型的异常探测研究

CDN和P2P是现在常用的两种网络加速方法。本文首先简要阐述了CDN和P2P技术,然后针对CDN-P2P混合流媒体分发模型给出了一种探测异常节点的方案。此方案在一定程度上减轻了CDN服务器作为P2P索引节点的监测压力,从而使CDN服务器能更有效地进行流媒体服务。     

AFDX协议性能分析及调度算法研究

本文围绕航空电子网络数据传输协议AFDX的关键技术--虚电路调度算法,进行了深入分析,提出了AFDX静态优先级队列调度算法AVLSP.运用Network Calculus理论与方法,对AVLSP算法进行理论证明,并构建仿真平台,对所提出的AVLSP调度算法进行仿真验证,结果证明AVLSP调度算法有效地减少了紧急数据的最大延迟抖动,较好地满足了航空电子网络数据传输的实时性要求.     

基于相关向量机和模糊综合评价的路况预测模型

为了缓解交通拥堵、道路服务水平低、市民出行效率低等问题,提出基于相关向量机和模糊综合评价的路况预测模型. 利用遗传算法和粒子群算法作为参数寻优算法,优化组合核相关向量机. 基于Spark并行化参数寻优算法,提高模型的训练效率. 提出基于Spark并行化的遗传算法和粒子群算法,优化组合核相关向量机（SPGAPSO-CKRVM）. 使用SPGAPSO-CKRVM对车流量和车速进行预测,利用预测结果计算3个交通路况评价参数：平均车速、路段饱和度和交通流密度. 将3个参数输入到模糊综合评价模型中,通过熵值法确定高峰时段和平常时段的各指标权重系数,将路况划分为6个等级. 使用加拿大Whitemud Drive公路的真实数据进行验证,证明了该模型与传统方法相比具有更高的预测精度和扩展性,路况预测准确率达到90.28%.