无线传感器网络部分覆盖和数据收集算法

在无线传感器网络中,随机部署传感器节点导致节点的监测区域相互重叠,产生大量的监测冗余.针对部分覆盖目标场景即可满足监测需求的应用,如何激活尽可能少的节点以满足部分覆盖要求并保证网络连通性,是研究的难点.本文将目标场景划分为多个区域,在区域内依据最大独立集选择感知节点,然后跨区域建立树结构实现数据收集.首先采用网格模型计算节点监测面积和监测冗余,据此计算最大独立集,再按照节点的监测冗余与监测贡献面积来增删少量节点以达到监测要求,最终通过激活较少的感知节点实现部分覆盖.进而建立各区域感知节点到sink节点的数据收集树结构,对于不能加入树中的区域通过激活辅助传输节点来实现连通.除感知节点和辅助传输节点以外,其他节点进入休眠状态,从而节省能量,延长网络生命期.仿真结果表明,相较其他方法,本文提出的方法能够激活较少的节点来满足部分覆盖要求,降低能量消耗.

基于一维卷积神经网络的恶意代码家族多分类方法研究

为了提取有效的恶意代码特征,提高恶意代码家族多分类的准确率,提出一种改进模型。该模型将恶意代码的特征映射为灰度图,使用改进的恶意样本图像缩放算法进行图像的规范化处理,基于VGG模型构建一维卷积神经网络分类模型ID-CNN-IMIR。实验结果表明,恶意代码特征的提取和处理提升了分类效果;对比经典的机器学习算法、二维卷积神经网络、其他基于深度学习的恶意代码分类模型,ID-CNN-IMIR分类准确率是最好的,达到98.94%。