基于边缘智能的沉浸式元宇宙关键技术与展望

近年来,360度视频、增强现实、虚拟现实等应用蓬勃发展,并逐渐形成元宇宙沉浸式体验新模式。这些新服务和应用具有高保真、沉浸式交互等共同特征。而作为一种新兴架构范式,边缘计算有效支持了这些需求。阐述释放边缘计算潜力支持沉浸式元宇宙体验的关键,包括AI驱动的内容生成;提出一种精度与延迟感知的模型推理框架,实现自适应深度学习模型部署和数据流推理,支撑用户体验感知的元宇宙服务与应用。

基于Berlekamp-Justesen码的压缩感知确定性测量矩阵的构造

确定性测量矩阵构造是近期压缩感知领域的一个重要研究问题。该文基于Berlekamp-Justesen(B-J)码,构造了两类确定性测量矩阵。首先,给出一类相关性渐近最优的稀疏测量矩阵,从而保证其具有较好的限定等距性(RIP)。接着,构造一类确定性复测量矩阵,这类矩阵可以通过删除部分行列使其大小灵活变化。第1类矩阵具有很高的稀疏性,第2类则是基于循环矩阵,因此它们的存储开销较小,编码和重构复杂度也相对较低。仿真结果表明,这两类矩阵常常有优于或相当于现有的随机和确定性测量矩阵的重建性能。

二元码的平均Hamming距离和方差

通过对二元ｎ长码Ｃ的对偶距离分布的研究，在码字数为奇数的情况下，改进了Ａｌ－ｔｈｏｆｅｒ－Ｓｉｌｌｋｅ［１］和［２］文关于Ｃ的码字间平均Ｈａｍｍｉｎｇ距离及其均方差的不等式，并在码字数为２ｎ－１或２ｎ－１－１时，确定了码Ｃ的最小平均距离及其均方差的精确值．

再论二元非线性等重码的检错性能

本文利用对偶距离分布的性质，从理论上证明了文［４］的必要条件在δ＝１时实际上是充要条件，并得出对于（ｎ，２，ｗ）码，最佳检错码与检错好码是等价的；最后，本文讨论了（ｎ，２，ｗ）码不可检错误概率的界．

关于二元等重码的最大码字数

本文利用Johnson Schemes理论研究了二元等重码及其最大码字数问题.在Delsarte的associateschemes理论中,Q-变换被引入以研究二元等重码的距离分布.首先,本文研究了等重码距离分布的Q-变换;然后,通过使用Q-变换的性质,我们研究了二元等重码的最大码字数问题并得到码字数的一个新的上界,该上界在形式上类似于纠错码理论中的Grey-Rankin界,并且在某些情况下优于已知的结果.

准循环码和七个新的二元线性码

本文利用了一类准循环码的结构进行计算机搜索，再加上通常的码的变换，共得到了七个新的二元线性码，它们都改进了文［１］中二元线性码极小距离的下界。

有限平面LDPC码的停止集

有限平面LDPC码是一类重要的有结构的LDPC码,在利用和积算法(SPA)等迭代译码方法进行译码时表现出卓越的纠错性能。众所周知,次优的迭代译码不是最大似然译码,因而如何对迭代译码的性能进行理论分析一直是LDPC码的核心问题之一。近几年来,Tanner图上的停止集(stoppingset)和停止距离(stopping distance)由于其在迭代译码性能分析中的重要作用而引起人们的重视。该文通过分析有限平面LDPC码的停止集和停止距离,从理论上证明了有限平面LDPC码的最小停止集一定是最小重量码字的支撑,从而对有限平面LDPC码在迭代译码下的良好性能给出了理论解释。

关于等重码不可检错误概率的界

本文研究了二元等重码不可检错误概率(UEP)的界.首先,我们通过研究二元等重码的对偶距离分布及其性质,给出二元等重码UEP的一个新的下界,该下界改进了Fu-K lve-W ei的最新结果;然后,我们指出2003年Fu-K lve-W ei关于二元等重码UEP上界的某些结果有错误,我们随后给出更正后的结果,即二元等重码UEP的平均值和一个上界.

二元等距码的Q-变换分布及其应用

研究了二元等距码、等重等距码及其距离分布的Q-变换。通过使用Q-变换分布的性质,研究了二元等距码和等重等距码的最大码字数并得到2个新的上界,这些上界在某些情况下优于已知的结果。

二元等重码的对偶距离分布和对偶重量分布

本文讨论了二元等重码的对偶距离分布和对偶重量分布．首先给出了二元码的对偶重量分布和对偶距离分布的定义、性质和关系，然后对等重码，导出了其对偶重量分布的一个递推关系式，以此得到了对偶距离分布的一个递推不等式．最后，讨论了上述分布的一些应用．

TOW:一种新的P2P实时流媒体缓存替换算法

随着P2P实时流媒体在网络上的流行,可以预见在未来ISP主干链路的流量中,P2P实时流媒体应用将占有相当大的比例.ISP以前通过部署缓存设备的方法有效缓解了Web和VOD流媒体所产生的流量压力,这种缓存策略也可以应用到P2P流量的管理上.目前很少有直接针对ISP的P2P实时流媒体应用的缓存研究以及它与P2P文件分发应用缓存性能的差别比较.本文研究了各种缓存替换算法以及P2P实时流媒体应用与P2P文件分发应用流量在被缓存效果上差异的原因,提出了一种新的P2P实时流媒体缓存替换算法-时间权算法(TimeOverWeight),分析并用实验证实了它比常用的缓存替换算法具有更高的命中率.

改进的压缩边分段采样算法

针对Savage等人的压缩边采样算法,提出一种改进的压缩边采样算法,该算法利用IP包头与分段相关的字段作为重载字段,增加了边信息存储所需要的空间,降低了重构过程的计算复杂度,并采用64位Hash作为误差效验以显著降低多个攻击者同时存在时重构路径的虚警率,而且通过对重构过程的算法优化进一步降低了计算复杂度.对重构路径所需要的包数、计算量和重构路径的虚警率进行比较,结果证明,改进算法远远超过原算法.将原算法重构路径所需要的计算量(所需要计算的Hash次数)从m8降低到3m2(其中m为在相同距离的攻击源个数)以下.在同时有20个攻击者时,原算法虚警率已经高达0.99,使其不可用.而改进算法在同时有1 000个攻击者的情况下的虚警概率仍然近似为0.因此改进的压缩边采样算法能够很好地应用到大规模DDoS攻击源追踪中.

梗死前心绞痛对初发ST段抬高的急性心肌梗死的影响

目的：观察梗死前心绞痛（PAP）对初发 ST段抬高急性心肌梗死（AMI）进展的影响。方法：280例初发ST段抬高 AMI患者，发病后24h内进行冠脉造影，心电图检查并作 QRS记分。根据有无PAP，患者被分为 PAP （102例）和非PAP组（178例）。根据发病至造影时间患者被分为：早期组（＜2h，60例）、中期组（2-6h，150例）和晚期组（6-24h，70例）。结果：伴有PAP患者较无PAP患者 QRS记分显著降低[（2.4±2.4）分比（3.2±3.0）分]，PAP组高 QRS记分比例亦显著低于非 PAP组（8.0％比18.4％），P 均＜0.05。早期组，PAP与非PAP患者之间 QRS记分无显著差异[（2.0±1.8）分比（2.6±2.8）分，P＝0.35]；中期组，PAP患者QRS记分显著低于非PAP组[（2.0±2.1）分比（3.0±3.0）分，P＝0.03]；晚期组，PAP和非 PAP患者 QRS记分较中期组显著上升，但两组间比较无显著差异[（4.1±3.3）分比（5.5±2.9）分，P＝0.13]；非PAP组患者 QRS记分随着发病时间延长逐渐增加。结论：梗死前心绞痛可延迟急性心肌梗死疾病进展，扩大再灌注治疗时间窗。

等距码的对偶距离分布及其性质

本文主要讨论了等距码的对偶距离分布及其性质，然后利用这些性质将［１］中的某些结果推广到ｑ元等距码情形，并得到了其对偶距离分布的递推关系式，最后，本文给出了ｑ元等距码的码字数目的一个上界。

重根循环码的周期分布和广义周期分布

近几年来，重根循环码再度引起了人们的重视［４，５］．本文在文［１］的基础上，分析了重根循环码的周期分布和广义周期分布，给出了通用的计算方法和计算公式，并确定了某些重根循环码的周期分布和广义周期分布．

广义差错长序列的数据库搜索及其快速算法

所谓广义差错是指同时可能具有符号改变、插入与删除的差错,在数据库搜索中如何对具有广义差错的语句进行搜索是近期计算科学发展的重要问题,尤其是对长序列的搜索问题的研究还很少开展。论文对此问题进行讨论,并给出它的快速算法。

二元k—重量码的检错性能

二元ｋ－重量码Ｃ（ｎ，ｋ）定义为由所有重量分别为０，２，…，２ｋ－２的ｎ维向量组成的二元码，其中１＜ｋ≤[ｎ／２］十１．本文通过对Ｃ（ｎ，ｋ）的对偶距离分布研究，讨论了Ｃ（ｎ，ｋ）的检错性能，给出了Ｃ（ｎ，ｋ）成为最住检错码的充要条件，并且研究了其渐近性质．

一种新的码率兼容LDPC码打孔方案

该文研究码率兼容LDPC码的打孔问题。Ha等人研究LDPC码打孔时提出的Grouping和Sorting方案使低k-SR节点的数目最大化,它相对于随机打孔有了很大增益,但此方案只保证有一个存活校验节点。该文研究多个存活校验节点的作用,提出MSCN打孔方案最大化打孔节点的存活校验节点数。AWGN信道上的仿真结果显示,低码率时MSCN方案具有比Grouping和Sorting方案更为优越的性能。理论推导及实验结果均表明,码率兼容LDPC码打孔时,多个存活校验节点有益于译码性能的提升。

可分级P2P流媒体的自适应传输调度算法

可分级视频编码(SVC)技术实现了从单一码流中得到不同帧率、分辨率和图像质量的视频数据,使其更能应对网络的抖动.P2P技术已广泛应用到流媒体直播系统中,现有的SVC P2P传输调度机制主要基于传统流媒体,较少考虑SVC流媒体多层的特殊结构.本文提出一种基于层间网络编码的SVC P2P传输调度算法,称为可分级P2P流媒体的自适应传输调度算法.该算法通过预测和调整邻居节点各层的发送概率,使得请求节点能够按照预定的各层接收比例接收数据包.理论分析和仿真结果显示该算法具有较目前主流算法更好的性能.

集成学习之随机森林算法综述

集成学习是一类非常重要且实用的方法,以简单高效著称的随机森林算法是集成学习算法的代表之一,它集成众多决策树并以投票的方式输出结果,在许多应用领域取得了巨大的成功。文章介绍决策树和随机森林算法,总结随机森林算法在性能改进、理论性质方面的研究进展,及其和深度学习算法之间的区别与联系。