交叉路口基于车辆权值分簇的中继转发方案

针对车辆自组网(VANET)中链路不稳定与可靠性低的问题,该文提出基于车辆权值分簇的中继转发方案。该方案首先提出基于车辆权值分簇算法,提高车辆通信链路的稳定性;该算法将车辆的相对距离、相对可达速度与连通率作为分簇属性,利用升排序法找到最优簇头并将其作为中继节点,提升簇结构的稳定性。其次,在NaKagami-m衰落信道条件下,采用双向DF的中继转发方式进行数据传输以提高通信的可靠性。仿真结果表明:在相同条件下,该分簇算法与基于车道的分簇算法相比稳定性提高8 s,该双向DF中继转发方式与双向AF转发方式相比中断概率降低了6%,通信可靠性得到提高。     

基于能量的水声传感器网络分簇算法优化

针对分簇水声传感器网络中簇头分布不均和水声信道时变特性等原因导致的节点能量分布不均的问题,以LEACH(low energy adaptive clustering hierarchy protocol)算法为基础,提出了一种基于网络能量状态估计的分布式算法进行簇头选举,有效均衡网络能耗。通过改进分布式簇头选举机制,每轮中簇头选举由一次选举改为多次选举,在不需要中心控制节点和增加节点间通信量的情况下,首次选举通过设置能量阀值选举出高能量节点担任簇头,通过第二次选举保证每轮簇头数目稳定。仿真结果表明,该改进算法能够解决分簇水声传感器网络时变信道条件下能量消耗不均衡的问题,均衡网络能耗,延缓网络首节点死亡时间。     

认知无线电中基于相似性的自适应分簇算法

针对认知无线电网络(CRN)中可用信道实时变化的特点,运用图形理论提出一种基于相似性的自适应分簇(CBAC)算法. 以用户可用信道的相似性为基础,结合考虑用户的移动性,通过计算节点权值实现CRN的优化分簇. 仿真分析证明,CBAC算法提高了系统的链路平均可用信道数,相比传统的分簇算法,能提高频谱的利用效率.     

基于LEACH和压缩感知的无线传感器网络目标探测

为了解决在无线传感器网络监测的区域内进行信号目标源探测的问题,提出了一种联合低功耗自适应集簇分层型协议（LEACH）算法和贝叶斯压缩感知(CS)的方法. LEACH算法对网络节点进行分簇并选择簇头,将簇内节点的信息集中在簇头上,同时仅通过簇头向汇聚节点传递信息, 可减少向汇聚节点传输数据的节点数. 汇聚节点利用贝叶斯CS算法可从来自簇头的少量数据中恢复出信号源. 同时提出了一种阈值机制,以优化在数据量过少情况下CS算法的信号重构性能. 仿真结果表明,所提算法能对目标进行准确探测,具有较好的性能.     

改进的K-means融合微粒群优化的基因选择方法

为了解决基因选择困难问题,提出一种基于改进的K-means算法融合微粒群优化(IKPSO)的基因选择方法。该方法首先运用过滤法(Relief)对基因进行筛选,选择出对分类贡献大的基因构成备选基因子集;然后,利用改进的K-means算法将备选基因子集划分为一定数目的簇,并运用微粒群(PSO)对每一类簇进行搜索选择出相应类簇中的最优和次优基因构成最优特征基因子集;最后,训练支持向量机(SVM),并利用其分类的性能来评价获得的最优特征基因子集的质量。在两个典型的、公开的小样本的高维微阵列数据集上进行的实验,结果表明该IKPSO算法总体分类性能相对较好,并且与传统方法相比,IK-PSO分类性能得到显著的提高,证明了IK-PSO的可行性以及有效性。     

基于特征聚类和等距映射的无监督特征选择算法

为了提高无标签场景下特征选择的准确率和稳定性,提出一种基于特征聚类和等距映射的无监督特征选择算法。特征聚类将相似性较高的特征聚成一类,然后结合等距映射和稀疏系数矩阵定义新的特征得分计量函数。该函数对各特征簇中的特征进行打分,选择出每个类簇中得分最高的代表特征,构成特征子集。在14个广泛应用的数据集上的实验结果表明：本文所提算法能够选择出具有强分类能力的特征,且算法具有很强的泛化性。     

WSN中基于虚拟网格的LEACH改进算法

针对传统分簇算法(LEACH)在选取簇头时,网络能耗消耗过快的问题,提出一种改进的分簇算法(U-LEACH)。该算法在簇头选取阶段,新增节点与传感器网络重心的距离和节点的剩余能量两个影响因子,优化LEACH算法中簇头节点的选取函数,保证簇头选取的合理性。仿真结果表明,改进的U-LEACH算法相比于原算法减少了网络的能量消耗,延长了网络生命周期。     

无线传感器网络中一种能量均衡拓扑控制方案

针对无线异构网络中,簇头节点的能量不同,提出了一种能量均衡自适应分布式拓扑控制方案(Energy Balanced Topology Management,EBTM).为了延长网络的生命周期,应该尽量保证各簇头节点能量消耗相对均衡.在EBTM中,簇与簇的边界上的交点称为边界虚拟节点,这些节点决定了簇的范围.在一定的时间周期下,按照能量均衡的思想进行动态的调节.使得在保证网络覆盖的情况下,各簇头节点的存活时间非常接近.通过仿真结果,可以看出,EBTM算法使得能量消耗相对均衡.     

认知无线电多簇联合频谱感知算法

针对衰落信道下,认知无线电的联合频谱感知性能会降低,提出了簇内合作和多簇融合的联合频谱感知算法.算法中所有认知用户被分成若干个簇,簇内到融合中心最近的用户为簇头用户,簇内其他用户将本地感知信息发送给簇头,并由簇头获得本簇的合作感知结果;然后簇头将感知结果发送给融合中心,融合中心采用"或准则"合并各簇的感知结果并给出对授权用户的最后判决.仿真表明,当信道完美时,本文算法和未分簇联合感知算法的感知性能一致,当信道衰落严重时,本文算法的性能会有显著提高,并且分的簇越少,算法的性能越高.     

能量有效的扇区划分LEACH改进算法

针对无线传感器网络生存期和能量有效性问题,提出了一种基于多跳传输和节点ID扇形分布的低功耗自适应集簇分层型协议(LEACH)改进算法MHS-LEACH.该算法根据节点的剩余能量调整簇头,并按虚拟扇区分配簇头节点ID,使得某簇头节点在同一扇区内寻找其父节点,经过多次迭代与基站建立树形链路,实现了簇头节点与基站间的多跳通信.仿真结果表明,与LEACH算法和ID-LEACH算法相比,MHS-LEACH算法不仅有效地延长了无线传感器网络生存时间,而且使整个网络的能量消耗更加均衡.     

基于位置社交网络中地点聚类推荐方法

为解决基于位置社交网络中地点推荐时遇到的数据稀疏、冷启动问题,提出一种改进的地点推荐方法,在协同过滤算法的基础上融合了聚类算法,考虑到用户偏好、朋友关系、位置语义等因素,在推荐时取两种算法的优点进行互补。研究的重点是相似度的计算,包括兴趣地点相似度、好友亲密度、词频-逆文档频率、余弦相似性。在Foursquare数据集上以准确率、召回率、单个主题的平均准确率作为度量依据,对提出的方法进行验证。试验证明,本方法有效提高了推荐效果。     

基于移动社交网络的群智感知社群化任务分发

针对传统的“平台-用户”移动群智感知任务分发方式在任务执行鲁棒性以及数据回收方面存在的缺陷与不足,以群智感知参与用户的群体社会属性为基础,提出一种“平台-社群-用户”的社群化任务分发方法.基于参与用户时空移动特征分布的近似度计算对用户进行动态社群划分聚类,通过在社群中设置社群组织者与社群从属者角色,同时引入社交亲密度连接关系网络等模型,构建移动群智感知任务初次社群分发与二次用户选择的方法.基于WTD公开数据集上的实验结果表明,与传统的任务分发方式相比,所提方法可可有效提升任务完成率,增强执行过程的鲁棒性,同时可减少任务分发次数、降低通信负载.     

基于学习自动机与萤火虫算法的链路预测

便携交换网络由具有社区属性和移动规律的人组成,具有节点移动性、节点间间歇性连接、高延迟等特点,本文研究其网络行为预测中的链路预测问题,提出基于学习自动机和萤火虫算法的链路预测方法。采用学习自动机对节点进行自适应聚类,完成网络的社区划分;定义社区属性影响系数和移动行为影响系数,构建反映便携交换网络社区属性、节点移动性和节点间间歇性连接的相似性指标;将该指标与CN、RA、AA等指标融合,得到便携交换网络的相似性指标向量;借助差分整合移动平均自回归模型的时间序列分析能力,提取相似性指标向量序列的演化规律;采用萤火虫算法优化所构建的二分类器,预测节点对下一时刻的连接状态。在INFOCOM06和MIT两个真实数据集上的实验结果表明,与受限玻尔兹曼机、弱评估器等方法对比,本文方法具有更高的准确率和更好的稳定性。     

一种应用于自组织网络管理的群保持方法

为了减少节点的移动给基于分群的自组织网络管理带来的影响,提高节点的可控性,提出了利用节点之间链路有效的概率来定量评估群首的稳定性,并且在群首稳定程度下降时迁移管理服务的群保持方法．仿真研究表明,该方法增大了群的生存时间,减少了群的消失数量,使得自组织网络管理工作更有效、更稳定．     

一种基于相似度概率的不确定分类数据聚类算法

针对不确定分类数据,基于Squeezer算法提出一种有效的不确定数据聚类算法:USqueezer算法。该算法先计算一个不确定分类数据与每个簇的相似度概率和,选取最大的相似度和给定的阈值相比较,若大于阈值,将不确定数据划分到该簇中,否则创建一个新簇。实验表明,USqueezer算法能够有效地进行不确定分类数据的聚类,并且占用较少的运行内存空间和运行时间。     

核模糊谱聚类LOF降噪方法研究

为解决核模糊相似性度量谱聚类算法的样本点降噪问题,优化聚类效果和稳定性,本文从分析异常点分布特性出发,引入局部异常因子（LOF）算法,提出聚类中心候选对象的概念,过滤数据集的噪声数据,从而优化初始聚类中心的计算,突出正常样本点在聚类中心调整中的影响力,使聚类算法更易于得出准确的聚类结果. 同时提出一种局部过滤因子以修正相似性度量的方法,该方法通过放大正常数据之间的权值、缩小正常数据与噪声数据间的权值,使优化后的核模糊谱聚类算法大大降低对异常点的敏感度. 算法有效性实验和算法稳定性实验表明：该方法对相似性度量修正的有效性使核模糊谱聚类算法更为稳定和鲁棒.     

无线网络位置管理中的一种用户聚合算法

随着用户数量的增加，位置管理策略对网络信令负荷和网络数据库访问负荷的影响将更加重要，好的位置管理策略可大大降低系统运行的开销，显著提高系统性能。该文充分利用终端用户之间的相关性，引入群首概念，提出一种位置管理的用户聚合算法。该算法在基本不改变网络结构和增加寻呼开销的同时，减少了位置更新的信令开销，并可与现有的各项优化算法同时使用，特别适用于军事集群中的战斗单位终端和交通工具上的用户终端的位置管理。仿真验证表明，该算法提高了系统的性能。     

面向车辆边缘计算的任务合作卸载

随着物联网技术和人工智能技术的飞速发展，车辆边缘计算越来越引起人们的注意。车辆如何有效地利用车辆周边的各种通信、计算和缓存资源，结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元，已经成为目前车联网研究的热点。由于车辆应用设备有限的计算资源，车辆用户的任务计算需求无法满足，需要充分利用车辆周边的计算资源来计算任务。本文研究了车辆边缘计算中任务的合作卸载机制，以最小化车辆任务的计算时延。首先，设计了任务合作卸载的三层系统架构，考虑了车辆周边停泊车辆的计算资源以及路边单元的计算资源，组成云服务器层、停泊车辆合作集群层和路边单元合作集群层的三层架构。通过路边单元合作集群和停泊车辆合作集群的合作卸载，充分利用系统的空闲计算资源，进一步提高了系统的资源利用率。然后，基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分，并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后，通过将本文算法和其他算法方案的进行实验对比，仿真结果表明，本文算法在系统时延和系统吞吐量方面具有更好的性能表现，可以降低23%的系统时延，并且能提升28%的系统吞吐量。     

多阶段启发式算法求解机场地勤服务优化问题

针对保障航班离港无延误的地勤服务调度优化问题,建立了以特种车辆数最小化、无效服务时间比率最小化和特种车辆服务时间方差最小化的多目标模型,提出了一种新的多阶段启发式算法.根据航班服务时间窗和特种车辆在航班间服务转移的特点,该算法能够为机场航班合理分配特种车辆,优化航班服务序列.通过仿真实例验证了模型及算法的正确性,结果表明,所提出的多阶段启发式算法提高了特种车辆的服务效率,减少了用车数量和无效服务时间,达到了特种车辆服务的负荷均衡.     

基于改进加权协同过滤的集群用户黑箱个性意象预测

为了解决传统意象定位中感性意象部分信息丢失及用户模糊的个性化需求不完全表达的问题,提出基于改进加权SO（WSO）算法的集群用户个性意象预测研究. 建立用户特征域,基于K-modes算法计算用户差异度,确立用户集群. 对甄选样本实施兴趣度排序及自主性意象评价,创建集群意象因子集. 引入用户相似度优化WSO算法,增强集群用户间的内在联系,精准预测目标用户黑箱的个性意象分值. 基于语义差异问卷及平均绝对误差分析验证黑箱意象,输出集群中单一用户的个性化意象,实现意象预测. 以无人机为例,预测用户的个性意象,误差小于0.5被舍去,表明该方法能够较好地实现用户模糊的意象黑箱透明化,且预测的意象符合用户的个性化需求,可以有效辅助设计师有针对性地设计.