摘要：为了提高粒子群优化算法中粒子搜索最优解的效率,该文在标准粒子群优化算法的基础上,提出一种改进的粒子群优化算法。该方法通过对粒子飞行轨迹的分析,对种群中每个粒子构建了评价粒子性能差异的等级标准,并对认识系数和社会系数设计了对应的动态变化系数模型。通过引入迁徙策略,使迁徙行为随机生成的新粒子更有可能接近全局最优解,更加有利于群体搜索跳出局部最优解和寻找全局最优解。实验结果表明,与其他比较算法相比,该文提出的改进粒子群优化算法具有寻优能力强和搜索精度高等优点,测试准测上的实验数据验证了改进算法的有效性和可行性。

摘要：基于R1范数的主成分分析(R1-PCA)是一种鲁棒的主成分分析算法.但是R1-PCA并没有考虑样本间的流形结构;另外,由于R1-PCA是基于L2范数来对样本进行中心化的,使得其样本均值对于R1-PCA而言不是最优的.对此,提出一种R1范数约束的流形正则化最优均值主成分分析(R1-MRPCAOM)算法.通过把流形正则化项加入到R1-PCA的目标函数中,使得R1-M RPCAOM能保持样本的流形结构;通过把均值作为待求解的变量,从而给出相对于R1-M RPCAOM的最优均值.利用半二次优化技术,设计一种求解R1-MRPCAOM的高效算法并证明了其收敛性.在数据库上的实验表明,R1-MRPCAOM比传统的PCA和R1-PCA有着更好的性能.

摘要：由于虚拟化环境不同于常规的物理集群,流媒体业务迁移至云中后会遇到问题。针对这一现象,搭建私有云环境,部署流媒体系统,进行一系列性能测试和研究。实验结果表明,在引入了虚拟化环境后,由于无法有效进行资源隔离以及共存虚拟机的存在,流媒体业务的性能明显下降,分析结果为进一步深入研究云环境下如何有效提高流媒体业务的性能奠定了很好的基础。

摘要：目的现有目标检测任务常在封闭集设定中进行。然而在现实问题中,待检测图片中往往包含未知类别目标。因此,在保证模型对已知类检测性能的基础上,为了提升模型在现实检测任务中对新增类别的目标检测能力,本文对开放集目标检测任务进行研究。方法区别于现有的开放集目标检测框架在检测任务中将背景类与未知类视为一个类别进行优化,本文框架在进行开放集类别识别的过程中,优先识别候选框属于背景类或是含待识别目标类别,而后再对含待识别目标类别进行已知类与未知类的判别。本文提出基于环状原型空间优化的检测器,该检测器可以通过优化待检测框的特征在高维空间中的稀疏程度对已知类、未知类与背景类进行环状序列判别,从而提升模型对开放集类别的检测性能。在(region proposal networks,RPN)层后设计了随机覆盖候选框的方式筛选相关的背景类训练框,避免了以往开放集检测工作中繁杂的背景类采样步骤。结果本文方法在保证模型对封闭集设定下检测性能的情况下,通过逐步增加未知类别的数量,在Visual Object Classes-Common Objects in Context-20(VOC-COCO-20),Visual Object Classes-Common Objects in Context-40(VOC-COCO-40)以及Visual Object ClassesCommon Objects in Context-60(VOC-COCO-60)数据集中的4个指标上均取得了具有竞争力的结果。同时,通过增加未知类目标的图片数量与包含已知类目标的图片数量的比值wilderness ratio(WR),所提方法在3个对比实验共12项结果中,有10项领先于对比方法。消融实验也证明了方法中每一个模块的有效性。结论本文提出的基于环状原型空间优化的开放集目标检测框架取得了较好的检测效果。通过在实际检测任务中的实验对比,证明了本文方法在不改变模型封闭集识别性能的情况下,有更强的开放集类别检测能力。

摘要：提出一种基于网络编码的速率控制方法,目标是提高网络吞吐量和视频传输的质量.构建监听辅助图用于描述上行链路传输速率对编码机会的影响,在此基础上给出编码决策问题的分析.设计启发式上行链路传输速率控制算法,并将下行链路传输速率控制与网络编码相结合,最小化视频传输的失真率.通过仿真实验方法将本文提出的机制与典型网络编码机制进行了比较,仿真结果表明,速率自适应网络编码机制能够显著提高视频序列的可解码帧率和吞吐量.

摘要：针对现有的三维定位算法过分依赖于锚节点的信息,缺乏网络计算效率和定位精度等问题,提出一种应用于三维无线传感器网络的局部四面体内点测试定位算法。以未知节点为原点建立局部坐标系,获取邻居节点的相对位置关系,选取合适的邻居节点建立局部四面体;通过四面体内点测试方法,找到包含未知节点的四面体;采用质心算法求得未知节点的物理坐标。仿真结果表明,该算法充分利用邻居节点的位置信息,缩小了定位范围,减小了质心定位的误差。

摘要：无线信号多径效应导致基于接收信号强度指示(RSSI)的室内定位方法的精度和稳定性下降。为解决这一问题,提出基于贝叶斯过滤法的信道状态信息(CSI)室内定位方法 (BCL)。将物理层的CSI结合RSSI作为参考信息,减轻信号接收端的多径衰减影响;在此基础上,采用贝叶斯过滤法进行数据处理,降低接收信号的时变性。实验结果表明,相比现有的典型室内定位方法,BCL有效提高了定位准确度和稳定性。

摘要：In order to improve the performance of the attribute reduction algorithm to deal with the noisy and uncertain large data, a novel co-evolutionary cloud-based attribute ensemble multi-agent reduction（CCAEMR） algorithm is ***, a co-evolutionary cloud framework is designed under the M apReduce mechanism to divide the entire population into different co-evolutionary subpopulations with a self-adaptive scale. Meanwhile, these subpopulations will share their rewards to accelerate attribute reduction ***, a multi-agent ensemble strategy of co-evolutionary elitist optimization is constructed to ensure that subpopulations can exploit any correlation and interdependency between interacting attribute subsets with reinforcing noise ***, these agents are kept within the stable elitist region to achieve the optimal profit. The experimental results show that the proposed CCAEMR algorithm has better efficiency and feasibility to solve large-scale and uncertain dataset problems with complex noise.

摘要：提出一种无线多媒体传感网多时间片多重覆盖路由协议MKCR。在事件监测过程中,系统采用视域固定的视频节点,对关键目标进行多角度覆盖以提高监测质量。在多节点协同工作时,协议计算多时间片k覆盖路径、合理分配节点参与工作的时间,从而延长网络生存周期。研究并设计了MKCR-K和MKCR-T算法,前者代表k覆盖重数不可变的情况,在目标均达到k覆盖要求后,进而计算参与的节点集合及其工作时长;后者表示覆盖重数k根据情况可变,在目标全覆盖的基础上尽最大可能对关键目标进行多角度监测并延长网络生存周期。仿真结果表明,MKCR协议能够协调参与节点的工作时长,实现关键目标多重覆盖监测,同时延长网络生存周期。

摘要：现有的移动互联网资源分配机制大多面向单一业务,无法高效支持群业务。针对这一问题,提出一种面向群业务的自适应资源分配机制。综合考虑动态变化的异构网络环境、群业务特征和用户需求,采用吸引子选择模型来计算备选网络的优先级;在此基础上,运用逼近理想接入网络法对备选网络进行多属性判决,为群业务选择适宜的接入网络。仿真结果表明,该机制显著提高了用户体验和网络资源的利用率。