摘要：压缩感知是研究数据采样压缩与重构的信号处理新理论,近年来研究人员将深度学习运用到图像压缩感知算法中,显著提高了图像重构质量.然而,图像信息常与隐私关联,高质量的重构图像在方便人们观赏的同时,带来了隐私保护的问题.本文基于深度学习理论,提出一种对抗的图像压缩感知方法.该方法将压缩理论和对抗样本技术统一于同一个压缩感知算法,通过设计损失函数,联合重构误差和分类误差来训练压缩感知深度神经网络,使得压缩感知重构样本同时也是一个对抗样本.因此,重构图像在保证重构质量的同时,也能对抗图像分类算法,降低其识别率,达到保护图像隐私的效果.在Cifar-10和MNIST图像集上进行的实验结果表明,和已有的压缩感知方法相比,我们提出的对抗压缩感知方法以损失仅10%的图像重构质量为代价,使得图像分类精度下降了74%,获得了很好的对抗性能.

摘要：提出传感器网络环境下基于DTW的多小波数据压缩算法。首先研究汇聚节点中异步数据点—点对的对应关系,设计迭代算法求出具有最大相关性的DTW弯曲路径。接着提出最佳匹配点选择算法,通过DTW弯曲路径中一对一数据点—点对来预测异步数据向量间的函数关系,获取最佳匹配点,得到具有最大相关性的传感数据矩阵。然后设计多小波变换,利用传感数据矩阵的相关性来压缩数据,同时解决数据矩阵的行列不对称问题。实验结果表明,所提出的算法在能量聚集比、重构精度和运行时间等压缩性能指标上优于经典的分布式小波压缩算法。

摘要：除了能量受限以外,有限的存储容量也是无线传感器网络的基本特征.研究传感器网络中节省存储的数据传输问题,提出了一种基于虚拟节点的渐进数据传输方法.首先定义虚拟节点并建立各级虚拟节点之间的对应关系,充分利用传感数据的相关性;然后,设计基于此映射关系的传感数据调度算法,单轮传送数据的节点总数由相应簇头的实际存储容量决定,虚拟节点对每轮收集到的数据进行联合编码,形成节省存储的渐进数据传输.模拟实验表明,所提出的算法比DIMENSIONS有更小的网络耗能和延时,而且具有存储有效性.

摘要：基于众包原理,研究校园噪声数据收集问题,提出了一种噪声收集激励机制.该机制从数据量、时间间隔和监测点位置等3个方面以计算奖励积分的方式来评估校园中各监测任务点的优先度.优先度越高的监测点,用户完成任务时获得的奖励积分越高,从而激励众包用户完成噪声收集任务.设计了一个C/S和B/S模式相结合的噪声收集原型系统,基于无线校园网传输噪声数据,支持IPv6/IPv4双栈协议.实验结果表明,系统收集的噪声数据与真实情况有较好的吻合.

摘要：操作系统是计算机相关专业一门非常重要的专业核心课程,在教育部积极推进新工科和华为“智能基座”产教融合协同育人基地建设的背景下,采用线上线下混合式教学模式,对课程的教学内容、教学方式和考核方式等方面进行了改革探索和实践,在教学内容上深度融合华为openEuler等国产操作系统,在教学方式上充分结合雨课堂教学平台、课程中心网站等线上方式,重新对教学内容和环节进行了设计,取得了较好的实践效果。

摘要：伴随着越来越多的传感器被集成到移动终端,群智感知逐渐成为可能.群智感知的第一步是传感任务的分发,由于移动终端具有移动性,且拥有多样化的硬件设备与感知能力,因而群智感知任务分发不同于普通的传感任务分发.考虑到感知任务的位置固定且节点移动往往基于道路,因而将子道路和任务绑定在一起,设计出基于矢量任务地图的任务分发方法.子道路可以是完整道路中无分叉的一小段道路,也可以由某几个坐标点组成,满足不同覆盖范围的任务.节点接收到任务地图后,由位于相同道路并能够测量该道路上所要求传感任务的移动节点组成传感组,彼此协调完成任务测量.交替进行两种方法实现矢量任务地图的渐进式分发:(1)提高地图分辨率;(2)增加子道路上坐标点数目.通过坐标点精度按位增加的方法提高地图分辨率;通过零阈值Douglas-Peucker算法增加子道路上坐标点的数目.同时,设计新增点坐标信息压缩算法节约矢量任务地图的数据量,其利用新增点在前一低分辨率地图中位于已有点连线上、在当前分辨率地图中位于已有点连线外这一特点,推测新增点的坐标信息.在MATLAB中的模拟实验表明,当矢量任务地图分发给与任务数量相同的移动节点时,任务分发的成功率达到60%以上;当分发给任务数量两倍的移动节点时,任务分发的成功率达到85%以上.同时,采用渐进式分发方法比直接分发更节约数据量且道路坐标点数目的增加与分辨率增加相适应.最后与Zoom进行比较,本文设计的矢量任务地图在1024×1024分辨率下错测量接近0%,且数据量比Zoom降低30%.

摘要：基于数据的多模性,设计了一个基于小波的自适应多模数据压缩算法。在给定的相关度阈值的条件下,算法能自适应地对数据调整分类,对相关数据采用最小二乘估计进行拟合,把特征数据抽象成一个矩阵,利用小波变换去除数据的空间和时间相关性。理论分析和仿真实验表明,新算法能够有效地去除数据之间的多模相关性和同种数据的空间和时间相关性,新算法有效地提高了压缩比,降低了网络的能耗。

摘要：多小波是近几年小波理论研究的一个重要方向。从多小波的正交性、对称性和平衡性着手,得到了一个新的一般性结果,这个基本结果对于多小波的设计来说具有一定的指导意义。

摘要：现有的数据压缩算法大多以节能为设计目标,很少顾及到节点有限的存储容量.设计适合传感器网络小波变换的环模型和基于覆盖重叠的分簇模型,消除边界效应.基于此两种网络模型,分别提出存储有效的二维和三维渐进小波数据压缩算法,该算法依据小波函数的支撑长度和簇头的可用存储容量来确定渐进传送的数据单元,具有存储有效性;依据空间相关性来选择渐进传送数据的传感器节点,从而在存储有效的同时又节省网络传输耗能.从存储开销、能量消耗和网络延时等3个方面分析了算法的性能.理论分析和实验结果表明,和一般的数据压缩算法相比,小波渐进压缩算法在耗能相当的情况下,节省了节点的存储容量.

摘要：对单小波区间化的思想加以总结分类,提出了区间多小波设计的一般方法。在重新定义多小波在L2([0,1])上的多分辨分析(MRA)后,针对任意支撑长度γ的r重多小波,通过构造尺度子空间Vi([0,1])和小波子空间Wi([0,1]),得到了L2([0,1])的一组基,并进一步推导了双尺度方程,得到了一类区间多小波滤波器的参数化表示式。