基于时序图卷积的动态网络链路预测

动态网络链路预测广泛的应用前景,使得其逐渐成为网络科学研究的热点.动态网络链路演化过程中具有复杂的空间相关性和时间依赖性,导致其链路预测任务极具挑战.提出一个基于时序图卷积的动态网络链路预测模型(dynamic network link prediction based on sequential graph convolution, DNLP-SGC).针对网络快照序列不能有效反映动态网络连续性的问题,采用边缘触发机制对原始网络权重矩阵进行修正,弥补了离散快照表示动态网络存在时序信息丢失的不足.从网络演化过程出发,综合考虑节点间的特征相似性以及历史交互信息,采用时序图卷积提取动态网络中节点的特征,该方法融合了节点时空依赖关系.进一步,采用因果卷积网络捕获网络演化过程中潜在的全局时序特征,实现动态网络链路预测.在2个真实的网络数据集上的实验结果表明,DNLP-SGC在precision, recall, AUC指标上均优于对比的基线模型.

基于时空卷积的机会网络拓扑预测

机会网络拓扑的高动态性导致其拓扑预测极具挑战。现有拓扑预测方法主要关注网络长期时空依赖,忽视了短期时空特征。综合考虑机会网络长短期时空依赖关系,提出一种基于动态时间规整算法与时空卷积的机会网络拓扑预测方法(DTW-STC)。基于动态时间规整算法确定切片时长,将机会网络切分为快照,用快照的链路状态矩阵表征其拓扑信息;采用时序卷积神经网络获取短期时序特征,结合网络变化构建时空图表征短期时空关系,利用图卷积运算提取网络的短期时空特征,经过多次卷积的堆叠,得到网络长短期时空特征;基于自编码器结构实现向量空间切换,预测下一时刻网络拓扑。3个真实机会网络数据集ITC、MIT以及Asturias-er上的实验结果表明,DTW-STC方法的预测性能优于基线方法。

基于强化学习的无人机自组网路由研究综述

无人机自组织网络(FANET)被广泛应用于军事、应急救灾和环境监测等情况下的网络通信服务,良好的路由协议能为其在通信条件恶劣场景下的可靠传输提供保障。利用强化学习将路由选择描述为一个马尔可夫决策过程进行路由决策成为研究热点。为了更进一步地介绍和挖掘基于强化学习的FANET路由协议研究现状,首先介绍近几年来FANET传统路由协议上的一些改进;其次,基于强化学习的FANET路由协议研究的最新调研结果进行详细的介绍;同时,对路由研究算法中的状态、动作和奖励等建模规律进行深度挖掘,从路由的优化标准和强化学习优化过程等方面进行了比较;最后,根据目前基于强化学习FANET路由协议的研究现状进行总结和展望。

miR-484通过调控HIF-1α/VEGF信号通路对胃癌血管生成的影响

【目的】探讨miR-484是否通过调控HIF-1α/VEGF信号通路参与胃癌血管的生成。【方法】分别在阴性对照(miR-NC组)、miR-484模拟物(miR-484 mimics组)和miR-484抑制剂(miR-484 inhibitors组)3种条件下转染SCG-7901胃癌细胞。检测不同组SCG-7901细胞中缺氧诱导因子-1α(HIF-1α)、血管内皮生长因子(VEGF)的mRNA和蛋白表达情况及胃癌细胞的增殖情况。将转染成功的SCG-7901细胞与血管内皮细胞分别在缺氧条件下共培养,采用ELISA法检测培养基中HIF-1α和VEGF的表达情况,CCK8检测血管内皮细胞的增殖情况。【结果】miR-484 mimics处理后,SCG-7901细胞的增殖能力显著降低,而miR-484 inhibitor处理组的细胞增殖能力则显著提高。与miR-NC组比较,miR-484 mimics组SCG-7901细胞的HIF-1α、VEGF mRNA和蛋白表达下调(均P<0.01),miR-484 inhibitor组的结果与之相反。在缺氧条件下,与miR-NC组相比,miR-484 mimics显著降低了培养基中HIF-1α和VEGF水平(均P<0.05),血管内皮细胞增殖能力降低(P<0.05),而miR-484 inhibitor组的结果与之相反。【结论】miR-484可能通过下调HIF-1α/VEGF通路抑制胃癌细胞增殖和肿瘤血管形成。

基于模糊支持向量回归机的WSNs链路质量预测

在无线传感器网络中,链路是实现节点互连和多跳通信的基本元素,链路质量是拓扑控制、路由协议和移动管理的基础,准确的链路质量预测不仅可以提高整个网络的数据吞吐率,降低节点能耗,还可延长整个网络的工作时间.在分析现有链路质量预测方法的基础上,提出一种基于模糊支持向量回归机(fuzzy support vector regression,FSVR)的链路质量预测模型,以降低噪声与孤立点对预测性能的影响.通过收集不同场景下的链路质量样本,考虑不稳定链路中数据分布的特点,该模型采用无监督模糊核聚类算法(kernel fuzzy c-means,KFCM)自动划分样本集,并获得样本隶属度;采用混沌粒子群优化算法(chaos particle swam optimization,CPSO)选择子模型参数.实验结果表明,与基于经验风险的BP神经网络相比,基于模糊支持向量回归机的链路质量预测模型具有更好的预测精度和泛化能力.

无感知分组丢失下的无线传感器网络链路质量评估模型

针对现有链路质量评估方法没有考虑到不完整分组对链路产生的影响,将无线传感器网络的链路分组丢失分为感知分组丢失和无感知分组丢失,分析了无感知分组丢失产生的原因,在对无感知分组丢失进行度量的基础上,提出一种无感知分组丢失下的链路质量评估模型。该模型采用卡尔曼滤波对获取的CCI进行降噪处理,基于Cubic模型、最小二乘法拟合出CCI与无感知分组丢失率的关系模型。实验结果表明,无感知分组丢失下的链路质量评估模型是合理的,通过该模型求得的无感知分组丢失率与实测值接近。

基于深度卷积神经网络的多节点间链路预测方法

目前,链路预测的研究主要针对拓扑结构变化缓慢的社交网络,集中在单节点对的链路预测.本文针对拓扑变化频繁的机会网络,提出一种基于模式分类的多节点间链路预测方法.该方法基于混沌时间序列理论确定机会网络的切片时间,采用状态图表征网络的拓扑结构,借助深度卷积神经网络在特征提取上的优势,从状态图的演化过程中提取机会网络的结构特征,根据当前特征推断未来链路的演化模式,实现多节点间的链路预测.在ITC(ImoteTraces-Cambridge)真实数据集上的实验结果表明,相比于基于CN(Common Neighbor)、AA(Adamic-Adar)、Katz等预测方法,本文方法具有更好的精度和稳定性.

机会网络中基于移动特征的效用转发协议

针对非社区网络中的主流转发协议未考虑到节点移动的非完全随机性,提出一种基于移动特征的效用转发协议。每个节点关联两个移动特征——活跃度和相似度,依靠活跃节点带动消息的适当发散和递交,并通过相似度的判定和效用值的比较降低网络开销。仿真结果表明,该协议在保持相对平稳的端到端延时的情况下,可以提高消息递交率,降低网络资源消耗。

基于动态贝叶斯网络的WSNs链路质量预测

无线传感器网络中,链路质量预测为数据可靠传输和上层网络协议性能的提高提供支撑。为进一步提高链路质量预测的准确性,提出基于动态贝叶斯网络(dynamic Bayesian networks,DBN)的链路质量预测机制。为避免单一评价指标的片面性,从链路信号质量、链路稳定性及非对称性3方面综合评价链路质量;采用K-means聚类算法对参数进行离散化预处理,得到各参数的离散区间;采用熵值法确定各参数的权重,以消除参数权重计算中主观因素的干扰;为避免最大隶属原则的缺陷,采用非对称贴近度分析法构建综合性的链路质量等级指标;借助贝叶斯网络(Bayesian networks,BN)处理不确定性问题的优势和BN分类器在分类上的良好性能,确定DBN的初始网络和转移网络,采用EM算法进行DBN模型的参数学习,从而构建了基于DBN的链路质量预测模型。实验结果表明了采用非对称贴近度分析法划分链路质量等级的合理性与DBN链路质量预测模型的合理性;与4C及FLI预测模型相比,本文模型具有更高的预测准确度。采用链路信号质量、链路稳定性及非对称性3个指标评价链路质量,采用DBN构建预测模型,可得到更准确及鲁棒性更好的链路质量预测结果。

无线传感器网络中基于移动模型的栅栏覆盖研究

无线传感器网络栅栏覆盖研究中传感器对入侵者的检测概率以及入侵者被发现时间是评价栅栏覆盖性能的两个重要指标.而节点的移动显然对栅栏覆盖有较大影响,因为在静止传感器网络中长期得不到覆盖的区域可能在节点移动过程中被覆盖.在栅栏覆盖中合理地引入移动模型,能够保证以较高的概率发现入侵者以及提早发现入侵者.最后,仿真实验表明本实验提出的移动模型能够以较高的概率发现入侵者以及有效及时地发现入侵者.

基于高斯过程回归的链路质量预测模型

基于链路质量的路由选择机制可有效感知当前链路的变化,且对无线传感器网络的可靠通信起着重要作用,基于此,提出基于高斯过程回归的链路质量预测模型。通过灰关联方法计算链路质量参数与分组接收率的关联度,选取链路质量指示均值和信噪比均值作为模型的输入参数,以降低计算复杂度。采用链路质量指示均值、信噪比均值和分组接收率构建基于组合协方差函数的高斯过程回归模型预测链路质量。稳定场景与不稳定场景下的实验结果表明,与动态贝叶斯网络预测模型相比,所提模型具有更好的预测精确度。

机会传感网络连通性参数研究

由于物理条件的限制、成本考虑和节点失效等原因导致节点稀疏分布,在实现较大范围感知时,机会传感网络往往会形成多个不连通的区域,区域间节点的通信需要通过移动节点的运动来实现,这对其连通性的研究提出了挑战.研究机会传感网络连通性参数是构建连通性模型的基础.针对机会传感网络消息传输的特点,将整个网络划分为3个层次;定义子网消息投递成功率和子网消息平均投递时延为机会传感网络的连通性指标,并通过仿真实验验证了连通性指标的合理性和适应性;分析了连通性参数与连通性指标的关系,采用因子分析法对连通性参数间的相关性进行分析,提取出4个连通性参数;利用基于粒子群优化的小波神经网络对提取的连通性参数构建连通性模型,用于所提取连通性参数的验证,仿真实验和试验床实验均表明所提取的连通性参数是合理性的.

基于路径可靠性估计的无线传感网络数据融合

针对无线传感网络中,能量有效路径的数据传输可靠性较低和链路失效的问题,提出一种动态可调的基于路径可靠性估计的数据融合方法。该方法根据路径平均收包率、冗余变化粒度以及平均能耗,对路径可靠性估计曲线上的可靠突变点进行动态定位,监测人员能够对当前的路径可靠性进行实时估计;然后通过一种冗余传输的方法来提高整体的路径可靠性和平衡网络能耗。实测结果验证了该方法的有效性。

3D-RABLC:一种基于LQI置信度的三维空间定位求精算法

提出一种基于LQI置信度的三维空间定位求精算法(3D-RABLC)。通过大量节点实验,获得节点间一跳RSSI值与距离的关系、LQI与分组错误率的关系,依此划分LQI置信度,对测得的RSSI值进行过滤,建立三维多跳求精模型或弥补求精方法对置信度低的RSSI值进行修正。节点实验表明,该算法大大降低了RSSI测距误差,比已有三维定位算法具有更好的定位精度。

机会网络数据收集中的转发控制

针对机会网络中由于节点移动、网络稀疏等各种原因通常导致网络拓扑动态变化大,消息源节点到汇聚节点之间往往不存在稳定的端到端的通信链路,提出了一种基于偏好顺序决策法(the technique for order preference by similarity to ideal so-lution,TOPSIS)的数据收集策略(data gathering based on the TOPSIS,DGT)。DGT策略根据节点的剩余能量、感知节点到汇聚节点的距离以及传感器节点的连通变化,采用TOPSIS评估选择下一跳中继节点。仿真实验表明,与现有的几种典型转发控制机制相比,DGT策略在保证较低传输延迟和较高传输成功率的基础上,通过减少节点间的转发次数,降低了网络传输开销。

基于自适应广义回归神经网络的链路质量评估

为选择合适的链路质量参数,进一步提高链路质量评估的性能和泛化能力、降低时间复杂度,确定链路质量参数的备选集M CS={μ,r,σ2},其中μ={μlqi,μrssi,μsnr},r={r lqi,r rssi,r snr},σ2={σ2 lqi,σ2 rssi,σ2 snr};提出包裹式链路质量参数选取算法,采用自适应广义回归神经网络(adaptive general regression neural network,AGRNN)评价各备选子集的重要性,选择链路质量参数;借助广义回归神经网络(general regression neural network,GRNN)在分类以及时间上的优势,提出基于AGRNN的链路质量评估模型,该模型为每个链路质量参数分配不同的光滑因子,采用误差反向传播的思想对其进行自适应修正;采用准确率、召回率、泛化误差和计算时间评价链路质量评估模型.室内、公园和公路场景下的实验表明:与基于多项式法、随机森林、支持向量分类器的链路质量评估模型相比,基于AGRNN的链路质量评估模型具有更优的评估性能和更好的泛化能力以及更低的时间复杂度.

机会网络中的自适应转发控制算法

在分析现有机会网络转发控制策略的基础上,针对采用固定效用值阈值的机会网络转发控制,提出了一种基于节点能力状况的自适应转发控制策略(adaptive forwarding algorithm based on nodal capacity condition,AFNC)。该策略根据节点的能力状况计算阈值控制因子,自适应调整不同网络传输状况以及通信机会下的数据转发条件。仿真实验表明,与现有的几种典型转发控制相比,AFNC在保证较低传输延迟和较高传输成功率的基础上,通过减少节点间的转发次数,有效地降低了网络传输开销。

基于学习自动机与萤火虫算法的链路预测

为了探索便携交换网络的演化规律,研究其网络行为预测中的链路预测问题。便携交换网络具有节点移动性、节点间间歇性连接、高延迟等特点,其链路预测面临的挑战是节点相遇的机会性和拓扑的时变性,获得其高质量链路预测的关键是如何较全面地获取节点的属性。作者提出基于学习自动机和萤火虫算法的链路预测方法(link prediction approach for pocket switched network based on firefly algorithm,FA-LP)。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。INFOCOM2006和MIT两个真实数据下的实验结果表明,与受限玻尔兹曼机、弱评估器等方法相比,FA-LP具有更高的准确率和更好的稳定性。

基于深度图嵌入的无人机自组网链路预测

针对无人机自组网的拓扑时变、节点移动、间歇性连接等特点,提出用时序化图嵌入模型对预处理后的无人机自组网进行表征,基于线性概率计算采样间隔以提高采样效率,将网络结构特征映射为节点间关系,并采用对抗训练提取节点上下文语义特征。利用长短期记忆网络提取无人机自组网的时序特征,预测下一时刻的网络连接情况。采用AUC、MAP、Error Rate作为评价指标。Ns-3仿真实验表明,与Node2vec、DDNE、E-LSTM-D等方法相比,所提方法具有更高的预测准确率。

基于Virtools平台的三维虚拟计算机硬件组装

《大学计算机基础》课程是该校非专业本科生必修公共课,其中硬件知识抽象难懂,加上资金、场地和设备等原因,大部分学生又无法亲自动手实验,使得硬件教学难以取得好的效果,这个问题长期以来困扰着老师和同学们。有鉴于此,从软件角度着眼,利用3ds Max制作计算机硬件三维模型,导入Virtools虚拟现实软件中,建立世界坐标系下的虚拟互动实验场景,开发单机运行或基于B/S的网络虚拟平台,使所有学生使用鼠标、键盘即可在虚拟场景中模拟安装计算机硬件的过程。系统初步实现后,为了测试可行性,将其安装在大学计算机教学部实验机房,通过一段时间测试,学生反映在虚拟环境下操作简便、实用,能够反复操作。对以前那些抽象的硬件,一目了然,非常便于学习。由此可见,三维虚拟现实系统的开发在学生课程实验中大有作为。