车联网数据聚集研究综述

当今,车联网是实现智能交通应用的平台。车联网有着特殊的网络特征,使得其上的数据聚集算法不同现有的无线传感器网络数据聚集。数据聚集可以有效地降低传输过程中的数据量,但同时亦会引起数据时延的增加和数据精度的降低。因此聚集算法往往考虑聚集数据的时延和精度。本文对现有的车联网聚集算法进行综述分析。     

基于CT图像的高聚物黏结炸药颗粒边界勾勒算法

为了研究TATB基高聚物黏结炸药(Polymer Bonded Explosive,PBX)内部颗粒边界分布,需要对PBX炸药通过计算机层析成像技术(Computed Tomography,CT)扫描得到的低质量原始图像进行分析,开发自动化炸药颗粒边界勾勒算法.对原始图像利用灰度统计信息和二值化方法计算得到二值化炸药颗粒草图,提出弹性胶囊算法从二值化草图中识别炸药颗粒的粗略边界,再结合形态学变换和分水岭算法识别出更精确的炸药颗粒单像素边界,最后结合灰度值统计数字特征和弹性胶囊粗略边界图信息调整边界宽度与灰度,得到最终边界勾勒结果.将该基于弹性胶囊和分水岭算法的边界勾勒结果与Canny算法、相位一致性算法、经典分水岭算法流程、基于超像素算法等有代表性的图像分割算法输出进行横向比较,结果表明该边界勾勒过程识别的准确度明显更高,并且通过单幅图像确定的算法参数在同批次样品其他图像中同样具有良好的效果,在满足边界提取精度要求的基础上,无需反复调整参数即可处理批量图像数据,缩减人工的投入,证实了自动化边界勾勒算法的实用价值.     

基于BP神经网络和模糊推理系统的短时交通流预测

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型,该模型利用一个基于规则的模糊系统,非线性地组合BP 神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果,使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合,一方面,利用人工神经网络强大的动态非线性映射能力,从而提高预测精度;另一方面,充分发挥卡尔曼滤波的静态线性稳定性,解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明,本文提出的短时交通流预测模型具有较高的准确度和可靠度。     

一种P2P电子商务平台的设计

将P2P应用于电子商务，面临的首要挑战就是如何表达和存储电子商务数据，及如何高效的搜索到所需数据．针对该问题提出了一种Peer—to—Peer模式的电子商务平台DEP模型，借鉴了DNSES及JXTA思想，利用多级分布式索引对peers进行半结构化管理．实验结果显示DEP具有很好的可扩展性，同时与传统模型相比可以很大程度地降低数据检索时的查询路由次数及系统的通讯量．     

车载Ad Hoc网络中基于移动网关的数据传输

由于车载Ad hoc网络拓扑的动态变化及车载节点的快速移动,应用现有传输方法在其上进行Internet接入点向移动车辆(Infrastructure-to-Vehicle,I2V)数据传输时成功率较低,而且传输延迟高、延迟抖动大.为了解决这一问题,文中利用公交车路线固定、运行特征可预测、节点及线路分布稠密等特性,将公交车作为移动网关(Mobile Gateway,MG),提出了一种新的基于MG转发的I2V数据传输方法(Mobile Gateway based Forwarding,MGF).文中首先将公路网模型化为状态-空间图,再运用马尔可夫决策方法建立了一种基于MG转发的I2V数据传输优化模型,然后通过对模型求解得出I2V数据传输的最优转发决策,最优转发决策指的就是每个状态下对应的最优动作序列,最后在目的车辆行驶轨迹上选取满足传输成功率阈值,并使I2V传输延迟最小的路口节点作为数据包与目的车辆的最优汇聚节点,即目标节点.应用MGF方法,MG节点将以最优概率转发序列向目标节点转发数据包.文中利用模拟平台对MGF方法的传输性能进行了评估,结果表明该方法在满足传输成功率阈值前提下,能够获得最小传输延迟期望.理论分析同样也证明了该方法的有效性.     

极化磁系统永磁工作点的求解

以典型的差动式和桥式极化磁系统为研究对象,给出了求解极化磁系统永磁工作点的两种方法－图解法和解析法,在用解析法求解时,用到了求磁工作于回复线上的等效处理和永磁回复线方程式。     

利用多级局部性实现可扩展的无结构P2P 搜索

无结构P2P网络拓扑随着规模的增大会出现一定的统计特性,充分应用该现象提出了一种多级局部覆盖网络(multi-level local overlay,简称ML2O)的无结构P2P覆盖网,对ML2O中节点间的连接进行恰当的数学控制后,就能使产生的拓扑具有从微观到宏观的多个粒度上的局部性.理论分析表明,ML2O的网络直径和节点平均度都是网络规模n的对数,为其上建立可扩展的无结构P2P搜索奠定了基础.给出了应用ML2O多粒度局部特性的索引机制:首先以局部为单位建立信息索引;然后在局部索引的基础上建立更大粒度局部的索引,从而形成一棵索引树;最后提出了一种局部渗透定向搜索算法(local pervasion and directed search,简称LPDS).LPDS用局部渗透收集到的信息建立部分索引树,并在树上找到更接近搜索目标的下一跳.理论分析表明,LPDS搜索算法的平均搜索跳数和通信负载都是O(logn).模拟实验结果表明,ML2O上LPDS的可扩展性接近结构化P2P搜索,其鲁棒性接近无结构P2P搜索.     

一种抵抗搭便车行为的概率式连接交换unchoking策略

BitTorrent文件共享系统中的搭便车(free-riding)节点会使系统性能大幅下降,目前,BitTorrent主要采用choking策略来抑制搭便车行为,但与choking合作而存在的随机选择节点的unchoking策略仍然给搭便车行为提供了机会.提出了一种基于概率连接交换(probabilistic link exchange,简称PLX)的unchoking策略,在实现unchoking功能的同时,有效地抑制了搭便车行为.由于搭便车节点不提供上传,所以choking以后没有指向搭便车节点的连接,此时, PLX的连接交换机制就能抑制搭便车节点进入文件共享系统.另外,通过对连接交换概率的数学控制,PLX可以区分节点对共享系统的贡献,并根据贡献大小调整其在共享网络中的位置,进一步保证了公平性.最后,对PLX的影响进行了深入的理论分析和模拟实验验证,结果表明:PLX unchoking策略较现有的抵抗搭便车的方法更简单、直接,在效果上有明显提升.     

WLAN中合作式功率控制算法研究

在WLAN中,延迟有限,网络整体消耗能量最小化的功率控制算法研究较少。对于该问题进行建模分析,通过理论推导,将该非凸优化问题转化成广义几何规划问题。经过分析,将问题近似为线性规划,并给出全局优化算法。对于WLAN中,多个无线接入设备在一定传输时间内的信道情况进行预测,给出延迟有限能量最小化的集中式在线算法。实验结果显示,采用提出的信道预测方法,在线算法的计算结果与集中式算法结果较为接近。     

培养学生理论与实际相结合的能力

加强学生实践能力的培养,是提高大学教育水平的重要方面。本文围绕学生未来的实践多是技术含量高、复杂度高、创新性要求高的三高实践而展开,阐述了这些实践必须在理论指导下完成,大学生的实践能力培养应该是"理论与实际相结合能力的培养",除了确立这种理念外,还必须根据专业的特点,构建出与理论教学体系相配套的实践教学体系。