EPON系统中的组播技术

文章首先讨论了在以太网无源光网络(EPON)系统上实现组播的现实意义,然后在对现有的二层组播协议分析与比较的基础上,提出采用IGMP Snooping(英特网组管理协议侦听)在EPON上实现组播,并结合EPON自身的特点,提出了实现方案,最后详细描述了光线路终端(OLT)和光网络单元(ONU)是如何支持IP组播业务的.     

基于蚂蚁算法的QoS路由调度方法

为了有效地解决QoS受限路由问题,本文提出了一种新颖的具有全局优化能力的蚂蚁算法,它是基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作的。 仿真实验表明,该方法能够有效地解决QoS受限路由问题。     

车联网中基于Q学习的地理位置路由协议

由于道路拓扑结构的限制以及车辆节点的快速变化,车联网路由协议正面临着很多挑战,例如道路的低连通性、较大的延时以及高开销等。为解决此类问题,提出了一种基于Q学习的地理位置路由协议。该协议将地理区域划分成大小一致的正方形,称为网格。在给定目的地的情况下,根据历史交通流信息计算出车辆从当前网格向不同方向的邻居网格移动的Q值,每辆车存储Q值表,通过查询Q值表选择最优下一跳网格。在选定的下一跳网格中,选择距离目的地最近的车辆,当最优下一跳网格中没有邻居车辆时,选择次优下一跳网格中的车辆。仿真结果表明,与其他基于地理位置的路由协议相比,所提协议能够提高分组投递率,降低传输延时并减少通信跳数。     

中国AS级互联网网络拓扑现状分析

本文介绍了中美两个AS级路由导出观察系统Route Views 和 BGPView.特别对中国互联网网络拓扑现状通过采集大量自治系统(AS)间的BGP(Border Gateway Protocol)路由信息,进行统计分析,提出发展建议.并对改进数据观察和分析系统进行了探讨.     

基于定位辅助和能量有效的超宽带网路由算法

文中在分析了超宽带（Ultra-Wideband，UWB）技术特点的基础上，与Ad Hoc网络已有的路由协议结合，提出了一种基于定位辅助和能量有效的超宽带自组网路由算法。仿真表明，该算法能够显著延长网络生存时间，均衡节点电量消耗。     

基于聚合签名算法的DSR路由认证技术

分析了Ad Hoc网络中DSR按需路由发现原理及黑洞攻击原理,针对DSR路由协议面临的黑洞攻击问题,提出了一种基于JYH聚合签名算法的路由记录认证机制,新方案在DSR路由请求和路由应答消息中定义了路径证明属性,并设计了与之适应的输入签名算法和输出验证算法;最后,采用形式化逻辑SVO方法对该路由记录认证机制的安全性进行了分析。分析表明,提出的路由记录认证机制可以有效抵御针对DSR路由协议的黑洞攻击。     

ATM网络中综合连接接纳控制与路由选择的模糊决策策略

本文提出了一种新的模糊决策策略,用于综合考虑连续接纳控制和路由选择,以求在ＡＴＭ网络中增加整个网络的吞吐量和降低信元丢失率与呼损率。文章中详细阐述了该模糊决策系统的原理,并给出了一种自适应调节系统参数的方法。仿真结果说明利用神经网络能够成功地实现此模糊系统。     

重叠端口通道的四、五层布线算法

本文提出了一个重叠端口通道的四、五层布线算法,算法的目标是占用尽可能少的通道布线行数,为此算法中采用了扩展布线的概念,将部分线网分配到器件区域中进行布线,在通道内部布线时,引入了重叠端口通道的垂直约束矩阵的概念,并用它来避发式算法的线网布线顺序,算法在任何情况下都能保证布线的成功,从运行实例上来看,算法速度很快,而且结果都是近似最优的（或者是最优,或者是比最优解多一个布线行）。     

中继终端设备的天地网关功能设计与性能测试

近年来,空间网络协议大力发展,CCSDS空间网络协议体系已成为事实上的标准。基于跟踪与数据中继卫星系统（TDRSS）地面站中低速中继终端设备进行相应改造,增加网关路由板卡,加载CCSDS空间传输协议软件,将原来的中低速中继终端设备改造成带有路由网关功能的中低速中继终端设备。在此基础上,采用两台增加路由网关功能的中低速中继终端设备以及信道模拟器搭建天地网络演示验证系统,并分别对采用TCP协议和PEP增强协议作为传输层协议的HTTP应用进行了性能分析比对,证明PEP增强协议更能适应天地网络传输。     

多尺度混合注意力胶囊网络的海洋鱼类识别

针对胶囊网络(capsule network,CapsNet)特 征提取结构单一和数据处理中参数量过大的问题,提出 多尺度混合注意力胶囊网络 模型。首先,在网络初始端添加不同尺度的卷积核来多角度提取 特征,并引 入混合注意力机制,通过聚焦更具分辨性的特征区域来降低复杂背景干扰。其次,采用局部 剪枝算法优 化动态路由,减少参数量,缩短模型训练时间。最后,在海洋鱼类数据集F4K(Fish4Knowled ge)上验证, 结果表明,与传统残差网络(residual network50,ResNet-50)、双线性网络(bilinear convo l utional neural network,B-CNN)、分层精简双线性注意力网络(spatial transformation netw ork and hierarchical compact bilinear pooling,STN-H-CBP)以及CapsNet模型相比,该算法 识别精度为98.65%,比ResNet-50模型提升 了5.92%;训练时间为2.2 h,相比于CapsNet 缩短了近40 min,验证了该算法的可行性。