摘要：提出一种自适应双时序算法,该算法能在不增加EF等高优先级业务时延的前提下,有效解决以太无源光网络中的轻负载恶化问题,降低AF,BE等业务的时延。该算法的时序可以根据实际情况改变,较好地改善了时隙浪费问题。用OPNET软件建立系统实用模型进行仿真,结果表明该算法可以降低平均网络时延,提高网络吞吐量。

摘要：在选举过程中保护投票者的匿名性、选票内容的保密性和计票的公正性是设计安全电子选举系统的核心技术。本文综述了电子选举系统的基本实现,指出了电子选举的基本和更高安全需求,介绍并分析了几种安全技术及其在电子选举系统中的应用。

摘要：针对具有固定通信拓扑的异质相依群体系统的协同一致性追踪问题,从个体性质不同和子群体拓扑结构不同的角度出发,构建异质系统的相依模型.为了通过局部信息实现异质相依群体系统的一致性追踪,设计了一类分布式一致性追踪控制协议.随后,对于固定通信拓扑的情况,给出相应的充分条件确保一致性追踪的实现.定义了相依个体比例参数P_r并且分析了该参数对群体系统协同一致性追踪的影响.最后,通过仿真实例说明理论分析的有效性.

摘要：研究了具有线性时不变的被控对象的长时延网络控制系统的H∞控制问题.基于长时延网络控制系统的开关系统模型和不确定参数模型,结合李亚普洛夫稳定性原理和鲁棒控制理论,给出了长时延网络控制系统渐近稳定并具有H∞范数界γ的存在条件,提出了基于线性矩阵不等式的长时延网络控制系统H∞控制器的简便设计方法.最后以网络环境下的不稳定倒立摆为对象进行了仿真研究,结果验证了本文方法的可行性.

摘要：低秩表示算法,如低秩表示(low-rank representation,LRR)、鲁棒核低秩表示(robust kernel low-rank representation,RKLRR),在处理高维数据方面展现了广阔的应用前景;然而这些方法并不适合高阶数据,传统的低秩表示算法通常只对数据的某一特征属性进行降维。提出了基于张量分解的鲁棒核低秩表示算法(kernel low-rank representation by robust tensor decomposition,RTDKLRR);该算法能够处理高阶非线性的张量数据,对噪声更加鲁棒。首先对RTDKLRR算法设计目标函数并给出约束条件;其次,设计迭代规则对目标函数进行优化。在合成数据集和真实数据集上的实验结果表明优于同类算法。

摘要：数字微镜器件(DMD)可以灵活高效地实现各阶Hadamard编码模板,设计了一种基于DMD的光谱分辨率自适应的Hadamard变换成像光谱仪,分析了仪器的结构和工作原理及实现光谱分辨率自适应的方法。它可以根据目标景物和观测要求的不同而自适应地调整光谱成像的光谱分辨率,从而在光谱准确度和数据计算量之间做出合理的折衷,既满足了对目标分类识别的要求,又提高了数据传输和处理的速度。

摘要：为解决第五代移动通信(5th generation mobile system,5G)场景下的极化码编码设计问题,通过对两种符合5G保准规定的控制上下行信道最大编码长度的极化码进行MATLAB仿真测试,通过对多种编码方式的平均编码时间进行比较,得到了最佳的极化码编码方式。结果表明:对于上下行信道来说,在码元长度一定的情况下,不实施比特反转的生成矩阵的编码方法的用时最短编码效率最高、用时最短。

摘要：未来认知无线网络中,特定区域的频谱拥有者控制大量不同带宽的频谱带并为不同的认知用户提供通信服务,如何在这多个频谱服务提供者和多认知用户共存的环境中提高动态频谱访问的可靠性,从而实现频谱访问的负载均衡成为了一个关键问题。通过对上述多对多分配问题进行简化,并运用空间拥塞博弈模型对其进行扩展分析,提出了基于空间拥塞博弈的自适应负载频谱分配算法,对算法纳什均衡存在性进行了理论分析并详述了添加负载调控的效用函数设计。仿真实验结果表明,本算法能有效加快收敛速度,提高系统吞吐量,达到改善频谱访问可靠性和均衡负载的效果。

摘要：注意力机制作为一种即插即用的有效提高网络特征提取性能的手段,在自然语言处理、图像识别领域有着广泛的应用。然而由于点云数据的不规则性与无序性,使得注意力机制无法直接应用于点云领域。提出适用于点云的注意力机制,以PointNet类网络作为点云特征提取的骨干网络,通过对点云数据进行多角度池化,采用共享权重的多层感知器获取自适应注意力权重,并与原特征相乘以实现输入特征优化,从而提升网络性能,实现注意力机制在点云领域的应用。设计的适用于点云的注意力机制在ModelNet40分类任务上,帮助PointNet(vanilla)和PointNet网络的分类准确率分别提升0.89和0.40个百分点;在ShapeNet零件分割任务上,帮助PointNet网络的平均交并比提升1.38个百分点;在KITTI三维检测任务上,帮助基于视锥体法的融合检测Frustum-PointNet网络在行人和骑行者两种小物体的平均精度也取得了可观的提升。实验结果表明所设计的注意力机制在多种点云处理任务的有效性和轻量级特点。

摘要：在线商品跨媒体检索是电子商务领域的研究热点,增强特征判别性以改善检索性能是其核心问题。引入Tag-rank模型计算单词的绝对排序和相对排序权重,以准确刻画单词在文本中出现位置的统计特性,抑制噪声干扰并提升关键词权重,从而增强文本特征判别性,最终改善跨媒体检索性能。实验表明:在文本检索图像中,相对排序类模型和绝对排序类模型检索性能平均提升6.58%和4.99%。在图像检索文本中,若合理选取图像特征;检索性能也有提升。所设计的后融合策略能进一步改善检索性能。