摘要：【目的】对水下通信系统的供电系统进行能量补充通常非常昂贵且不切实际,基于太阳能电池的水下同步光波信息和功率传输(SLIPT)通信系统可在通信的过程中同步完成能量的收集,是水下传感通信系统自供电强有力的解决方案。但商用硅太阳能电池通信带宽十分有限,且容易在水下光衰减效应时出现信噪比深衰落的现象。【方法】文章采用一种负偏压的太阳能电池光接收器方案,将硅太阳能电池的-3 dB带宽从420 kHz提高到768 kHz。对于水下环境中各种退化效应造成信噪比衰减的现象,采用了一种低峰均功率比(PAPR)的离散傅里叶变换扩展正交频分复用(DFT⁃S⁃OFDM)调制方案,抵消了系统中的深衰落现象。【结果】分别对比了不同浑浊度(吸收特性和散射特性)的水环境中的DFT⁃S⁃OFDM与OFDM调制系统的性能,扩频后的OFDM调制方案更具有鲁棒性。【结论】实验表明,在白光发光二极管(LED)连续照射3 h下,能量收集系统的电池总电力效率可提高1.87倍,实现了通信过程中的能量同步收集。

摘要：图神经网络(Graph Neural Networks,GNN)作为一种强大的机器学习模型,已经在图数据挖掘领域取得了显著的研究进展。GNN可以对学习资源构建出图结构,并通过学习节点和边的表示进行推荐,这为解决线上学习资源推荐问题提供了新的思路和方法。本文提出了一种基于图神经网络(GNN)的线上学习资源推荐模型,该模型利用图神经网络对用户偏好进行建模,并根据用户历史行为数据在已有信息上进行挖掘,从而实现对用户需求的智能分析和推荐。结果表明,该模型具有较高的性能表现,能够较好地解决在线学习资源推荐问题。

摘要：为降低部署后的通信时延,提高智慧教室的数据发送与网络使用效率,提出面向智慧教室的无线传感网边缘节点智能部署方法;以智慧教室场景中良好的通信、最大限度降低部署边缘节点成本为优化目标,构建边缘节点智能部署的目标函数;针对目标函数设定流量约束条件、无线传感网数据流约束条件、节点计算能力约束条件;自适应调整粒子群优化算法的惯性权重、粒子更新速度、Pareto最优解保存策略,设计多目标改进粒子群优化算法求解目标函数,实现面向智慧教室的无线传感网边缘节点智能部署;测试结果表明,该方法优化目标为网络覆盖率时的最低网络时延为0.97 s,数据发送时延为0.14 s;优化目标为节点安全连通度时的最大网络时延为1.68 s,最大数据发送时延为0.68 s;整体连通度较高,遗漏节点为0;网络计算能力平均值为250.55 MB/s;在无线传感网边缘节点为2000个时,基本趋于稳定,时间复杂度稳定在3次;综上可知,应用该方法后的时延较低,部署效果较好,算法性能较优,保证了智慧教室无线传感网通信和传输质量。

摘要：为提高云网数据中心的资源利用率、节约通信开销,基于SRv6(Segment Route IPv6)技术设计一种云网安全服务链自动编排方法。本文方法辅助并引导网络数据包沿着指定路径通过云网,确定报文的具体转发路径,减少对服务节点的依赖;建立最小化总带宽的目标函数,结合多种约束条件,满足自动编排的安全性;定义本地行为报文,架构安全服务链自动编排框架,建立安全服务策略,解决策略冲突和网络流调度问题,达到服务链的安全编排。实验结果表明,本文方法能有效地实现云网服务链自动编排,减少CPU平均总带宽消耗,提升用户的请求成功率,降低云网中边缘设备的负载,节省通信开销。

摘要：课程思政建设是高校课程建设的重要内容,IT项目管理作为信息技术领域项目经理的必修课,课程思政建设尤为重要。本文从师资队伍建设、课程思政目标、思政内容设计原则、思政元素挖掘思路、思政内容、教学方法、成绩考核等方面分享IT项目管理课程思政建设经验,为同行提供参考。

摘要：在生物基因多序列比对过程中,早期的方法仅计算了单一的Spark集群参数,导致算法的并行效果较差;为此,设计了基于Spark云计算的生物基因多序列比对方法;基于获得的生物遗传序列数据,对其进行了优化,并通过计算不同序列间的匹配度,对生物基因多序列比对任务进行动态规划;利用Spark云计算技术,构建Spark集群,并对多个Spark集群的参数进行计算;利用多种生物基因序列之间的相似性与差异性来选择最佳的匹配路径,在此基础上,建立多个生物基因序列比对的并行计算模型,并对其进行求解,得到对应的多个序列对比对的并行算法;实验结果表明:该方法具有更好的并行性,能够有效提高多序列比对的性能。

摘要：常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低。提出基于深度强化学习的工业机器人避障路径规划方法。利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径。选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的简单场景和复杂场景,实验结果表明,设计方法减少了避障路径规划时间和长度,提高了规划成功率。

摘要：对于稀疏、非规则,或者噪声严重的数据处理场景,为了增强大数据的挖掘性能,改善非显著特征数据的利用效能,提出了基于SOM聚类的非显著特征数据挖掘算法。首先根据特征传函,分析得到非显著特征的频域方程,同时对特征采取宽平稳过滤,并通过时频变换完成特征的识别与融合。然后引入学习网络对特征数据进行训练,在训练过程中,基于相似k距离设计了新的离群因子计算方式。最后结合SOM的无监督特性,设计了改进SOM训练网络。为避免output层出现过多无效节点,引入影响因子与调节因子,并采用加权调节修正因子对链接加权进行修正更新。此外,修正目标中的正则处理,能够有效防止数据过拟合。仿真先对改进SOM算法的聚类效果采取验证,证明上述算法在不同数据集上表现出良好的适应性和内聚性;而后通过与其它方法的性能比较,证明所提算法在非显著特征数据挖掘时表现出良好的准确性,同时可以保持较低的执行耗时。

摘要：随着电商迅猛发展,为了精准发掘电商企业数据潜在的巨大价值,为解决传统数据库技术面对海量数据时出现的问题,设计了基于大数据技术开发电商数据仓库可视化系统。系统采用Flume-Kafka-Flume框架,以Sqoop作为数据采集工具,HDFS作为数据存储框架,Hive部署电商数据仓库,Spark作为Hive计算引擎。系统主要设计了数据采集模块、电商数据仓库模块和数据可视化模块等三大功能模块,通过需求分析和概要设计对各模块进行详细的设计,最后实现数据可视化展示,测试结果与预期一致,为中小型企业及管理者制定方案和策略提供参考。

摘要：为缓解社会养老压力,以“时间银行”模式作为新型养老模式对传统养老模式进行补充,而在现有的“时间银行”系统中,时间币存储在一个中心化的服务节点上,这种方式不仅存在数据丢失、篡改的风险,还存在时间币的发行和流通都缺乏透明度的弊端。对此,基于区块链技术与“时间银行”概念,对新型互助式服务平台进行设计,该平台以政府为主导,以“时间银行”为媒介,借助“时间币”进行价值衡量,有效地运用区块链去中心化、不可篡改、可追溯等特点解决了传统“时间银行”系统中存在的问题,从而助推国家养老发展。