摘要：目前,研究人员着眼于车载边缘计算(vehicular edge computing,VEC)环境下高效应用和资源调度策略的研究,然而,这些应用和策略的实机验证往往受限于成本和时间,无法快速有效地进行。边缘/雾计算仿真器如iFogSim2的出现降低了实验成本,然而,高速移动车辆的连接切换和资源分配需求对边缘/雾计算仿真器在VEC下应用提出了挑战。因此,改进了iFogSim2,设计了支持高速移动的VEC环境仿真器VECSim。集成开源基站数据并构建车辆轨迹数据集,以便研究人员专注于资源分配策略。首先,为了简化实验步骤,改进了移动轨迹数据解析模块并适配了微观交通仿真软件Simulation of Urban Mobility(SUMO)生成的车辆轨迹数据。其次,基于分布式数据流模型对VEC下的分布式应用进行建模,并提供了服务迁移基准策略算法。此外,VECSim还引入了时间性能优化方法,通过并行化操作,加速仿真事件处理,从而提高了仿真工具的时间性能。实验表明,相比于iFogSim2中同类的服务迁移算法,提出的服务迁移算法在大规模机动车轨迹数据集验证下表现出良好的稳定性,时间性能优化方法在执行时间上取得了5.3%的性能提升。代码开源地址:https://***/LiuZi-yuan-CS/VECSim。

摘要：海底观测会产生规模大、稀疏性强的视频数据,目前的存储方案效率较低。为此,本文提出一种基于Hbase的海底监测视频大数据存储方法。首先,采用运动目标检测方法对视频中的稀疏空白部分和内容密集部分进行分段,对稀疏空白段进行重度压缩,并对密集内容部分进行特征提取,为基于内容的视频检索做准备。接着,设计一种能统一存储上述两部分视频的大数据表,它能在插入稀疏视频段时动态添加压缩信息列,在插入密集内容视频时动态添加特征列,并用行键键尾对两种视频进行了区分,方便查询过滤。实验分析表明:本文方法相比传统方式能节约近75%的存储资源,并能实现基于特征的检索,极大的方便了视频数据的管理。

摘要：基于卷积神经网络的单幅图像去雾算法虽然取得了一定进展,但仍然存在去雾不完全和伪影等问题.基于这一现状,提出了一种以编码器-解码器结构为基本框架,融合注意力机制与残差密集块的单幅图像去雾网络.首先,利用网络中的编码器、特征恢复模块和解码器三个部分直接对去雾后的图像进行预测;然后,在网络中引入本文所设计的带有注意力机制的残差密集块,提升网络的特征提取能力;最后,基于注意力机制提出自适应跳跃连接模块,增强网络对去雾图像细节的恢复能力.实验结果表明,与现有去雾方法相比,提出的去雾网络在合成有雾图像数据集和真实有雾图像上均取得了较为理想的去雾效果.