装备器材保障资源调度决策模型及算法

装备器材保障资源调度问题是一个非常复杂的问题,根据其优化目标要求,从保障时间最短、保障耗费最低、安全性最高3个方面建立了该问题的多目标优化模型,并通过目标优先度决策将其转化为单目标模型;接着,采用两阶段法进行求解,将其分为最优路径决策、器材分配决策两个阶段进行决策优化,在明确资源点到需求点之间的最优路径后再进行器材资源的分配;并分别采用基于小生境的自适应遗传算法和基于生成树的遗传算法进行求解。通过实例分析,求解结果能够满足装备器材保障的要求,表明所构建的决策模型和算法是有效的。

Adaboost分类法在边境管控目标识别中的应用

边境环境复杂性使得边境管控视频监控系统的智能化需求日渐突出。本文针对边境管控系统中对视频图像中的目标自动识别的需要,采用Adaboost算法,实现基于haar特征的分类器,生成边境管控系统在线目标识别可直接调用行人特征分类模型文件,取得了较好的目标识别效果。

OTN在干线传输网中的应用与设计

随着铁路、电力、军队等专网通信的应用和发展,已经经历了PDH、SDH等多个时代,有效提升了光纤网络的管理、维护便捷性。铁路、电力专网目前承载的业务逐渐增多,包括电视会议、数字调度、控制传输等,为了适应大容量OTN干线传输,专网传输网采用OTN技术,能够构建一个强大的OTN传输网,可以满足铁路、电力、军队等专网多样化、差异化、大容量需求,具有重要的作用。

蜂窝异构网络中基于隐马尔可夫的内容缓存策略

蜂窝异构网络中,将流行度高的内容缓存到用户侧,可以有效的减少小/微基站间的共享数据量,提高系统效率,降低系统能耗,同时还降低宏蜂窝基站回程负担。然而由于小/微基站的缓存容量有限,如何利用小/微基站有限的缓存空间以提高缓存效益是蜂窝异构网络中内容缓存面临的主要挑战之一。本文依据内容流行度与用户请求,考虑基站之间的协作关系,将蜂窝异构网络中内容缓存与共享转化为一个隐马尔可夫模型,依据小/微基站间的协作关系以及用户请求,计算流行内容在小/微基站中的缓存状态概率,最后依据小/微基站的缓存空间以及内容的状态概率优化缓存策略。