多属性加权模糊贝叶斯的复杂网络故障自修复技术

为了提高对复杂网络进行故障诊断时的准确率,以及实现故障节点的有效自修复,提出一种多属性加权模糊贝叶斯的复杂网络故障自修复机制。建立贝叶斯网络结构模型,针对故障网络和故障节点进行条件概率估计,实现故障类别诊断。在该模型的基础上引入了多属性值和模糊集合理论进行扩展,提出了一种多属性加权模糊贝叶斯,提升模型对节点进行故障诊断时的灵敏度和准确度。对网络和节点进行故障诊断后,采用网络故障自修复机制,在查找出节点故障类型,采取有效的能量分配方法来修复节点。实验仿真及对比表明,该方法相比基于神经网络的故障诊断方法、基于半监督聚类的故障诊断方法以及基于隐马尔可夫模型的故障诊断方法具有更好的故障诊断和修复性能。

基于贝叶斯方法的高鲁棒性故障检测技术

故障检测在控制工程领域具有广泛的应用,而鲁棒性是衡量系统在故障检测时的不确定性的重要指标.为了提高鲁棒系统故障检测的能力,基于贝叶斯的基本原理对系统的故障和不确定性进行研究,提出一种基于贝叶斯方法的高鲁棒性故障检测方法.首先,对非线性系统的故障检测问题进行定义,分析参数空间的不确定性问题.其次,基于贝叶斯基本原理对参数空间的推导进行分析.最后,通过分析系统正常运行的参数空间与发生故障时的参数空间之间的成员关系来进行故障检测.实验表明,在四罐耦合系统中,提出的基于贝叶斯方法的故障检测技术在系统模型参数具有不确定性的条件下可以很好地进行故障识别.

基于子载波选择配对及功率优化分配的OFDM系统

为了提升OFDM协作通信系统的网络覆盖率及网络容量,提出了一种基于子载波选择配对及功率优化分配的OFDM系统。在OFDM的系统模型上进行中继配对和非中继配对的性能分析,将子载波选择配对转换为一个整数规划问题,并采用基于匈牙利算法的规划方法进行配对矩阵的计算;根据OFDM系统的功率分配问题,采用KKT条件下优化中继功率及电源功率的方法进行功率分配。仿真结果表明,所提出的方法相比统计质量Qo S保证的资源分配方案以及OFDM中继系统异构服务的资源分配算法,在提高网络覆盖率和容量上表现出更好的效果。

基于YOLOv7的矿工吸烟识别方法研究

井下矿工的吸烟行为严重影响煤矿生产安全,对井下矿工吸烟行为的有效识别迫在眉睫。针对煤矿井下的特殊环境和传统识别方法准确率低的问题,提出一种基于YOLOv7的矿工吸烟行为识别算法YOLO-SFN。将SimAM嵌入到YOLOv7的网络结构中,用Focus模块替换MPConv下分支中的3×3卷积核,提高模型在复杂背景下的特征提取能力。在后处理阶段采用Soft-NMS作为网络模型的后处理算法,解决了传统NMS算法在复杂密集环境中的漏检问题。实验结果表明,该方法的准确率为96.45%,召回率为92%,精确率为97.05%。研究成果已经在陈四楼煤矿得以推广应用,实现了对煤矿井下矿工吸烟行为的有效监管。

低能耗的无线传感网络分层聚类与节点管理机制

为降低无线传感器网络的能耗,提出一种分层聚类与节点管理机制。依据距离汇聚节点的远近以及节点数量的多少对网络进行分层,使各分层中传感器节点数量基本一致;改进LEACH协议的门限函数,在各网络分层独立建立节点簇;依据分层网络中簇头节点的位置和节点的剩余能量,选择每个分层的中心节点;在此基础上,由分层中心节点管理各分层节点,强制能量较低的节点休眠,管理簇头节点的更新;采用LEACH协议进行数据传输。实验结果表明,该机制有效降低了网络能耗,延长了网络生存时间。

一种自主免疫学习的分布式网络攻击对抗模型研究

针对网络系统容易遭受网络病毒攻击的问题,提出一种自主免疫学习的分布式网络攻击对抗模型。该网络攻击对抗模型采用分布式网络攻击检测算法来计算数据包信任值,再通过设置信任值的检测阈值,当数据包的信任值低于阈值时,判断该数据包遭到攻击。此方法可以确定数据包是否遭到病毒入侵,并对病毒的危险等级进行评估。基于人体的病毒防御机理提出适用于网络的自主免疫机制,通过带抗体的特殊数据包来清除带病毒数据包,并基于病毒的危险等级来生产适当的特殊数据包数量。在实验仿真中,算法在检测网络病毒的攻击以及清除网络病毒方面表现出良好的效果。

基于改进Faster RCNN的驾驶员手持通话检测

针对现有驾驶员通话行为识别误判率较高的问题,提出一种基于改进Faster RCNN的驾驶员行为检测方法,对驾驶员的违规手持通话进行检测.介绍了针对区域建议网络(RPN)及其损失函数的优化策略,并在原始Faster RCNN上运用多尺度训练、增加锚点数量以及引入残差扩张网络的方法增强网络检测不同尺寸目标的鲁棒性.基于车载平台上采集的驾驶员行为图像,对文中提出的方法进行仿真试验.结果表明:RPN和Faster RCNN通过交替优化共享特征提取网络部分,实现高效的目标检测,相较于原始Faster RCNN,检测精确度提高了3.8%,对环境的适应性更强.

基于增强型K-NN块搜索的图像修复算法

针对当前图像修复方法在对遮蔽物损坏图像复原时,存在明显的模糊效应与不连续效应等不足,提出局部最小二乘逼近优化耦合增强K-NN块搜索的图像修复算法。通过对图像修复机理进行分析,联合等权方法与K-NN(K近邻)块,将未知像素的估值转化为对线性组合函数的求解;定义基于边缘的优先项,计算输入块的边缘特性,提出基于局部学习映射函数的增强型K-NN块搜索方法,降低未知像素值K-NN的误配;采用基于局部最小二乘逼近优化方法,将相似块中的像素传播至损坏区域,完成图像修复。测试结果表明,与当前图像修复算法相比,在遮蔽物损坏图像复原中,该技术拥有更好的修复质量,有效降低了模糊效应,克服了修复时存在的间断效应。

基于双流全卷积网络的驾驶员姿态估计方法

针对现有姿态估计方法在驾驶室复杂环境条件下发生的非目标误检测和检测精度低的问题,提出了一种基于双流全卷积网络的驾驶员姿态估计方法.该方法通过建立2条独立的FCN(fully convolutional network)分支,分别对关键点坐标及关键点间的连接信息进行预测,同时在2个分支中构建沙漏状的网络结构,增强了网络提取关键信息的能力.为了进一步提高模型的特征提取能力,将浅层与深层网络得到的特征图进行融合.为了验证所提方法的检测效果,采用COCO(common objects in context)数据集和DDS(driver′s driving situation)数据集进行验证.试验结果表明:该方法在COCO数据集和DDS数据集上的检测平均精度分别达到64.5%和78.4%,优于其他3种对比算法;该方法可以提高驾驶员人体姿态的检测精度,具有较好的鲁棒性.

基于MapReduce模型的排序算法优化研究

MapReduce已经发展成为大数据领域标准的并行计算模型。为了使MapReduce系统下参与计算的所有节点高度负载均衡,并且最小化空间使用率、CPU、I/O的使用时长和网络传输开销等指标,在保持算法良好并行性的基础上,提出了一种MapReduce优化算法的设计规范,对多个指标同时进行优化。针对数据处理领域最重要的排序算法进行理论分析,给出了多指标约束下的最优算法,并证明了该优化算法满足MapReduce优化算法规范。最后通过实验验证了该优化的排序算法在有效性和效率方面严格优于传统的排序算法。

面向车辆自组织网络的模糊路由协议

为解决车辆自组织网络路由不稳定的问题,提出一种模糊路由协议。利用车辆无线电设备获取各节点的距离、位置、方向、速度4个度量,采用高斯隶属度函数将4个度量模糊化,制定控制规则对4个模糊变量进行模糊推理,采用区域质心方法去模糊,选择最大输出值对应的节点作为最佳下一跳节点,逐跳寻找最佳下一跳节点得到最优路由。仿真结果表明,与经典的GPSR和GPSR-R方法相比,该方法数据包传递成功率高、丢包率低、传输时延小。