树形网络中的一种有效视频内容分发算法

随着互联网中视频内容比重的迅速增加,视频业务随之也在不断的增加,这些视频业务将占据大量的互联网带宽.如何节约带宽和提高视频服务质量已成为互联网研究中的重要研究课题,而提高视频业务服务质量的两个主要途径是增加网络带宽和增加网络中缓存视频服务器的容量.为了使得视频服务商对增加带宽和增加缓存容量的投入最小化,就要决定网络视频内容在网络服务器中如何放置和分发.在本文中,首先我们基于内容放置和内容传输代价对树形网络中的视频内容放置问题进行数学建模,其次我们根据该数学模型提出一种有效的动态规划算法.该算法不仅可以有效解决了我们提出模型中的整数规划问题,而且其时间复杂度为O(NP).

物联网工程RFID课程教学研究与探索

射频识别(RFID)作为物联网核心技术之一,其在物联网人才培养过程中有着重要作用,而传统RFID课程教学内容和教学手段无法满足物联网工程专业的需求。我们从物联网工程人才培养角度出发,就如何设置RFID课程体系、教学实验内容、教材选用等方面进行探索,以为物联网工程专业RFID课程建设提供有价值的建议与参考。

改进蚁狮优化算法及其工程应用

针对蚁狮优化算法(ALO)在求解工程优化问题时易陷入局部最优及收敛速度慢等缺陷,提出一种基于Levy飞行和差分进化的改进蚁狮优化算法(LDALO)。改进算法对ALO中的蚂蚁进行差分进化操作,从而改善种群多样性,避免算法陷入局部最优并提高算法全局搜索能力。精英引导的Levy飞行被用于蚂蚁位置更新,以加快算法收敛速度。改进算法还在蚁狮捕食蚂蚁后对蚁狮进行差分变异,以提高算法的寻优精度。仿真实验基于10个基准函数进行,其结果显示LDALO较其他对比算法收敛速度更快,寻优精度更高。在无线传感器网络覆盖优化、压力容器设计、拉压弹簧设计等工程优化问题中的应用,验证了LDALO的适用性和有效性。

基于TSSCM模型的新闻舆情演化识别

[目的/意义]通过分析新闻评论的舆情演化,有助于跟踪民众对社会事件的态度看法。但当前的新闻舆情演化分析方法中存在着不能精确识别新闻焦点及焦点下的评论等问题。[方法/过程]在焦点情感模型(SSCM)的基础上引入新闻报道的时间信息,提出了一种基于焦点情感混合模型的新闻情感演化识别方法(TSSCM)。该方法具备同时建模新闻焦点、时间和评论情感的能力,能够产生文档-焦点、焦点-特征词、焦点-时间和(焦点,时间)-评论情感词4个分布。通过词汇间的点间互信息计算(焦点,时间)-评论词分布内每个焦点在不同时间段的情感值,从而高效地表达出不同新闻焦点的评论情感演化过程。[结果/结论]在5个新闻数据集上分别实验验证了TSSCM模型,并与当前流行的方法进行了对比,实验结果表明TSSCM模型在新闻舆情演化识别方面达到了良好的效果。

网络热点新闻焦点识别与演化跟踪

网络新闻焦点识别及演化跟踪对新闻检索、新闻推荐和舆情分析等起着非常重要的作用.当前的新闻焦点识别方法存在着焦点识别不清、演化跟踪偏斜以及不能捕获焦点报道的强度分布等问题.通过深入分析新闻报道的特点及LDA(Latent Dirichlet Allocation)主题模型原理,把报道文档发布的时间信息引入LDA模型中,提出一种基于焦点和时间联合建模的新闻焦点演化跟踪方法 DST-LDA(Dynamic Subtopic and Time based Topic Model).该模型避免了以往跟踪算法严重依赖时间分割的局限性,能够产生文档-焦点θ、焦点-词汇φ及焦点-时间π三个分布矩阵,通过选择新闻焦点的特征词和特征时间,高效地分类出新闻焦点并识别出各焦点持续的时间分布及报道力度.本文在4个新闻数据集上分别对DST-LDA算法进行了实验验证,并与其它主流算法进行了对比.实验证明:本文算法在新闻焦点演化跟踪方面达到了良好效果.

小波树结构在贝叶斯压缩感知图像重构中的应用研究

结合贝叶斯和压缩感知理论,提出了一种基于小波变换的图像压缩和重建方法。这种算法充分利用了小波变换系数的结构特征和相关性,有效地提高了图像的压缩比例和重建精度。对小波变换的尺度系数采用基于预测的恢复算法;对高频系数的恢复结合了贝叶斯理论和压缩感知理论,采用了一种基于回归模型的方法,通过高斯混合参数对未知权值参数赋予确定的先验分布,以限制系数的稀疏性。该方法能够得到未知参数的一组具有较高概率的模型,从而实现系数在MMSE意义下的重建。与现有的图像压缩方法以及其它基于压缩感知的图像压缩方法相比,该算法能够获得较高的图像重建质量和较大的图像压缩比。

基于开放式自主实验的计算机网络教学探索与实践

计算机网络课程教学旨在使学生掌握网络基本原理和组网方法、常见协议和网络服务工作原理等,为培养学生在计算机网络系统的规划与构建、应用系统开发等能力打下坚实的基础。但由于该课程知识点繁杂,而理论和实验课时相对不足,一定程度上影响了教学效果。教师可充分利用现有硬件资源,设计与之匹配的课后开放式自主实验,在提高学生主观能动性的同时帮助其深入理解网络原理与本质,学生参与度高,且能够较好完成教学任务。

基于工程认证的射频识别(RFID)原理与应用课程教学改革探索

作为物联网技术中数据采集和传递的重要支撑,射频识别(RFID)的课程是物联网工程专业的核心基础课程之一。由于主客观条件的限制,RFID原理与应用课程在前期的教学环节中存在若干不足之处。通过对教学内容的精简与优化、采用多种教学模式相结合、优化课程的考核体系等多种措施,有效改善了本课程的教学成效,同时使改革后的教学内容更加契合工程认证的要求。

基于高斯模型的随机采样网络数据重构的研究

现有基于压缩感知的网络数据收集需要网络中所有节点参与单个测量值收集,由于网络丢包、数据易错性、网络节能等原因导致很难满足现有压缩感知理论的要求。本文提出一种基于高斯扩散模型的随机采样网络数据重构方法,既能有效压缩待收集网络数据,又能精确恢复未采样数据。真实网络数实验结果表明该方法的有效性,同时为基于压缩感知的随机采样数据收集提供参考。

链路不可靠下稀疏投影无线传感器网络数据收集研究

基于压缩感知的无线传感器网络数据收集被认为是一种有效的网内数据压缩技术,其具有网络通信代价小与均衡网络能量消耗的特点.现有基于压缩感知数据收集方案主要针对可靠无线传感器网络环境,即链路不存在网络丢包现象.然而现实网络运行结果表明网络丢包是一种常见现象,网络丢包会导致这些方案数据恢复性能易受干扰.为了提高压缩感知在不可靠链路下数据的鲁棒性,该文提出一种联合路由的稀疏投影数据收集方案,其可以有效降低网络丢包对感知数据质量的影响.该方案主要是通过两个方面技术来提高不可靠链路下数据的鲁棒性.首先,根据路由设计稀疏投影矩阵,降低网络丢包对测量值数据的破坏;其次,进行稀疏投影矩阵限制下的低相干稀疏表示基设计,保证被压缩数据有效恢复与重构.为了满足稀疏表示基与稀疏投影路由矩阵之间的低相干性,该文给出一种稀疏表示基学习算法.除此之外,该文还给出分布式网络环境下稀疏随机投影数据收集实现算法.真实网络数据实验结果表明,文中提出的稀疏表示基学习算法得到的稀疏表示基可以有效压缩网络数据,同时即便在丢包率为20%情况下网络感知数据仍能被有效恢复.能量仿真结果表明,对比现有压缩感知数据收集方案,文中提出的方案可以有效减少网络能量消耗.

基于路径上报的车联网轨迹隐私保护

车载自组织网络(vehicular ad hoc networks,VANETs)(也称车联网)数据收集与应用为智能交通、城市规划、降低车辆污染等问题提供有效的技术和数据保障.在车联网数据收集中通常需要车载用户上报连续路段位置信息,这给车载用户个人轨迹隐私带来严重的威胁.然而现有用户轨迹保护算法主要基于单点位置保护,不能有效保护基于路径上报的用户轨迹隐私.针对车联网中用户移动轨迹易泄露问题,提出一种基于路径隐私保护的位置信息上报方案.该方案给出用户轨迹隐私保护定义和路径隐私限制下的问题模型,同时证明了该问题是NP-hard问题.此外,还给出该问题的具体近似算法的实现.仿真实验结果表明:提出的算法具有良好的车载用户隐私保护功能和数据收集覆盖性能.

面向新工科的物联网工程专业人才培养方案探索

针对新工科背景下,物联网工程专业建设与实施过程中对人才培养提出新要求,结合工程背景,对专业在人才培养目标、课程体系与专业特色等方面进行改进,以提高人才培养质量。

多策略融合的改进风驱动优化算法

针对风驱动优化(WDO)算法易陷入局部最优值的问题,将Tent混沌映射、参数自适应调整及小波变异等策略融入WDO算法中,提出了一种多策略融合的改进风驱动优化(MFWDO)算法。首先,利用Tent混沌映射完成种群初始化,以增加种群个体的多样性;其次,引入动态因子对WDO算法中的固有参数进行自适应调整,以加快算法的收敛速度;最后,对每代最优粒子进行小波变异,以更新种群中较差个体的位置,使算法跳出局部最优,从而提高算法的全局搜索能力。由9个标准测试函数的仿真实验结果可知,MFWDO算法的求解精度和收敛速度较其他算法明显提升。通过对压力容器、焊接梁等工程优化问题进行实验,进一步验证了MFWDO算法的有效性和优越性。

有效的基于滑动窗口数据流直方图方法

差分隐私作为现在的一种隐私保护机制得到了广泛的应用。目前虽然存在着很多种静态数据集上的直方图发布方法,但是对于数据流环境下的基于滑动窗口直方图发布方法较少,并且面临着直方图的发布误差较高的问题。对于此问题,提出了一种适用于滑动窗口模型的数据流差分隐私直方图发布算法(histogram publishing algorithm for sliding window model,HPA-SW)。该算法首先基于数据分块的思想来把一个滑动窗口划分为k个子块,并通过该参数来控制和调节数据直方图的统计误差;随后,该算法通过比较相邻两个直方图数据分布的差异来优化当前窗口的隐私预算分配,从而快速计算出局部最优直方图。为了验证算法的有效性,首先通过严格的理论推导证实了所设计的算法符合差分隐私要求,并且其近似误差不超过W/2k。其次,通过在真实数据集合上的实验对比,显示了该算法的发布误差较低,比SSHP算法降低了50%。

新工科背景下研究生机器学习课程建设研究

机器学习是目前人工智能的核心领域,机器学习课程是人工智能学科的主干课程之一。研究生机器学习课程教学存在理论起点高、学生难以理解,培养过程与社会需求脱节等问题。通过教学内容重组、注重实践导向完成实验教学、实现课程教学双语化、加强全过程考核等方式加强课程建设。