雾网络中基于统计分布的内容缓存与交付方案

作为5G中的一种重要模型,雾无线接入网络(Fog Radio Access Network,F-RAN)通过设备到设备通信和无线中继等技术获得了显著的性能增益,而边缘设备中合适的缓存则可以让内容缓存用户(Caching Users,CUs)向内容请求用户(Requesting Users,RUs)直接发送缓存内容,有效减小前传链路的负担和下载延迟。考虑一个F-RAN模型下用户发出请求并获得交付的场景,将每个CU的内容请求队列建模为独立的M/D/1模型,分析导出CUs缓存命中率和平均下载延迟关于内容缓存与交付方案的表达式,证明CUs缓存命中率与内容统计分布之间的联系有助于实现前者的近似最优解。针对在一段时间内的期望视角下建立的优化问题,提出了基于统计分布的算法并注意了执行时的交付控制。仿真结果表明,相较于现有缓存策略,优化内容整体统计分布的方案能够最大化CUs缓存命中率,同时减小平均下载延迟。

基于对偶学习的图像去雾网络

针对光学成像设备在雾天搜集到的图像存在的降质问题,提出了一种基于对偶学习的从源域到目标域转换的对偶去雾网络以实现图像去雾功能。网络首先采用对偶生成对抗网络直接学习有雾图像与无雾图像之间的双向映射关系,并将有雾到无雾图像的映射作为初步的去雾结果,随后采用预训练模型在特征空间计算去雾图像与真实无雾图像的特征向量,运用欧式距离作为损失函数最小化特征向量之间的距离,以保证去雾图像在特征层面与真实无雾图像接近。实验结果表明,对偶去雾网络得到的去雾结果具有较高的峰值信噪比和较低的色差值,并能够有效保留图像的结构信息。

面向医疗大数据的云雾网络及其分布式计算方案

针对云计算应用于医疗大数据场景时存在业务处理时延较高的问题,提出了一种基于边缘计算的新型云/雾混合网络架构,该架构利用医院中的路由器或交换机等边缘设备,在云服务器与医疗检测设备之间构建一个雾计算层,通过将云服务器中的医学影像等医疗大数据分析结果主动缓存至雾计算设备,并与雾设备上来自医疗检测终端的数据进行对比计算,得出诊断结果,达到降低业务处理时延的目的。考虑到边缘设备的计算能力较弱,进一步提出了一种多设备分布式计算方案,利用带约束的粒子群优化负载均衡（CPSO-LB）算法,达到任务处理时延最小的目标。仿真结果表明：基于CPSO-LB算法的云/雾混合网络能有效地降低医疗数据处理时延;当采用10个雾计算设备,处理的医疗数据量在6-10Gb时,与云计算网络相比时延性能提升了50.95%-37.37%。

基于区块链的雾网络中的任务卸载优化方案研究

当前物联网(IoT)应用的快速增长对用户设备的计算能力是一个巨大的挑战。雾计算(FC)网络可为用户设备提供近距离、快速的计算服务,为资源紧张,计算能力有限的用户设备提供了解决方案。该文提出一个基于区块链的雾网络模型,该模型中用户设备可以将计算密集型任务卸载到计算能力强的节点处理。为最小化任务处理时延和能耗,引入两种任务卸载模型,即设备到设备(D2D)协作群组任务卸载和雾节点(FNs)任务卸载。此外,针对雾计算网络任务卸载过程的数据安全问题,引入区块链技术构建去中心化分布式账本,防止恶意节点修改交易信息,实现数据安全可靠传输。为降低共识机制时延和能耗,提出了改进的基于投票的委托权益证明(DPoS)共识机制,得票数超过阈值的FNs组成验证集,验证集中的FN轮流作为管理者生成新区块。最后,以最小化网络成本为目标,联合优化任务卸载决策、传输速率分配和计算资源分配,提出任务卸载决策和资源分配(TODRA)算法进行求解,并通过仿真实验验证了该算法的有效性。

激励机制赋能高效雾网络

为了提高雾网络的资源利用率以及服务质量,确保异构雾节点的可靠性与安全性,需要合理的激励机制。激励机制的引入,能够有效调动雾网络设备的服务积极性,减少设备恶意或自私等行为。首先提出了雾计算的研究意义,并给出了雾网络的特点及应用场景。其次介绍了雾网络的系统架构。然后将激励机制分别与雾网络中资源感知技术以及任务卸载技术相融合,并进一步给出了部分融合实例,体现了激励机制在雾网络中的重要作用。

具有能量收集的雾网络的建模与性能分析

提出具有能量收集的雾网络的随机模型,基于随机流体队列理论,运用矩阵分析方法得出雾网络的节点中数据和能量的联合分布,以及数据溢出和闲置概率.通过数值计算,验证本文提出的性能指标的可行性,并分析了系统参数对性能指标的影响.

基于注意力机制的门控融合单幅图像去雾网络

图像去雾指去除图像中的噪声,提高图像的对比度,从而恢复出清晰的无雾图像。针对现有去雾算法去雾效果不理想的问题,笔者提出一种基于注意力机制的单幅图像去雾算法,并和一些经典的去雾算法进行对比分析。实验结果表明,与其他算法相比,所提方法能够获得更好的去雾效果。

基于激励的自主雾计算网络时延确定性服务

为应对雾计算网络中雾节点自主反馈服务能力造成的服务时延不确定性问题,提出一种基于激励的最佳性价比时延确定性卸载服务策略。综合考虑雾节点和终端节点特性,构建满足服务时延阈值的服务性价比最优化问题,推导得出卸载服务时延满足阈值的条件。终端节点通过设定初始服务价格,根据时延确定性条件调整价格激励自主雾节点提供更强的服务能力,得到满足时延阈值条件的最佳性价比卸载策略。仿真结果表明,所提算法可以提供性价比最高的时延确定性卸载服务。

融合区块链数据结构的雾计算数据传输方法研究

针对现有的雾计算网络数据传输安全性差、加密解密烦琐等问题,该文提出一种融合区块链结构的雾计算通信网络传输方法。该方法首先构建动态更新词向量模型,将雾计算网络中的明文数据映射至对应的词向量空间;然后对区块链数据结构进行改进,将对应的词向量数据转化为对应的区块数据;最后对雾计算网络的节点和网络架构进行设计。实验结果表明,该方法比现有方法在数据传输效率、安全性及完整性等方面均具有很大优势。

网络雾霾协同治理研究

"网络雾霾"是大量网络垃圾如同"雾霾"一般,弥漫在网络空间中,并由此引发了一系列的信息安全问题。在分析"网络雾霾"相关内涵的基础上,重点探讨了"网络雾霾"协同治理面临的参与性、制度性与技术性难题,进而提出应当以政府主导、多方联动为目标,协同主体参与立法与制度建设以及坚持技术的自主研发与引进吸收相结合的发展策略,以期为协同治理"网络雾霾"提供理论参考。

基于深度增强学习的无人机赋能雾无线电接入网络的能效优化

雾无线电接入网络适合用于广域范围内的诸如管线管网监测等国家重要行业的物联网应用场景。然而基于地面雾接入节点的网络将受到环境、地形等影响,无法及时有效地提供雾接入服务。利用低空无人机作为雾接入点实现空地的边缘通信和雾计算方面引起了普遍的关注。本文探讨怎样利用深度增强学习来提高无人机雾接入点的能效,延长无人机的任务时间。深度增强学习可以保障无人机雾接入点及时地调整空地通信和计算的配置策略,包括资源优化、动态任务卸载以及缓存,也可以优化无人机在三维空间中的飞行航迹,提高无人机赋能的雾无线电接入网络的总体性能。研究的创新性在于综合论述了深度增强学习用于无人机赋能的雾无线电接入网络要解决的主要优化问题,并且总结了解决相关优化问题的技术细节,最后对深度增强学习应用于无人机赋能的雾无线电接入网络的技术挑战和未来研究方向展开讨论。

基于可再生能量协作的雾无线接入网络资源分配

针对雾无线接入网络(Fog Radio Access Network,F-RAN)中能耗开销巨大的问题,提出了一种基于能量收集(Energy Harvesting,EH)约束的资源分配算法,从联合模式选择与功率分配两个方面进行了研究。首先建立传输模型和能量采集模型,根据功率约束和电费支出约束建立最优化问题;再使用分枝定界法对通信模式进行选择,利用吞吐量注水法对不同传输模式下的发射功率进行分配。仿真结果表明,提出的基于可再生能量协作的F-RAN的吞吐量和电网能量效率均高于传统F-RAN,具有经济和环境双重效益。

雾无线接入网络的时延性能分析与优化

时延敏感类别的业务日渐增多,想要有效满足此类业务的性能需求,无线接入网络要求提供无感知超低时延。雾无线接入网路是一种较新的接入网处理方案,透过部分能力下放到和使用者距离较近的边缘网络节点,有效减少网络时延。本文探究的就是雾无线接入网络的时延性能优化策略。

＂网络雾霾＂对高校网上思想文化阵地的影响与对策研究

“网络雾霾”是当今网络中危害范围较广的问题之一，已在网络环境中弥漫成一种垃圾文化。作为网络主力军的大学生亦深受“网络雾霾”的浸染，“网络雾霾”不可避免地对高校网上思想文化阵地建设造成负面影响。据此。文章从增强大学生防范“网络雾霾”的意识，网络运营商加强自律，建立“网络雾霾”长效治理机制以及完善网络法律法规等方面驱除“网络雾霾”，巩固高校网上思想文化阵地。

关于“网络雾霾”治理问题研究

互联网将人类社会带入万物互联的新时代、促进了人类文明的进程以及整个世界的进步,然而,对应的网络空间出现的低俗内容、虚假广告、淫秽色情、阴暗负面的信息等犹如雾霾一样在其空间盘旋,严重影响网络空间生态环境。与此同时,“网络雾霾”甚至可以成为间接性颠覆国家政权、影响社会安全的工具。必须要高度重视起来,净化网络空间,打好网络雾霾攻坚战。文章分析了“网络雾霾”产生的原因、对人类、社会的危害与挑战以及对应的解决对策。

雾计算网络中联邦学习协同的内容缓存方案

为了减小内容获取的时延,保护用户隐私并提高用户体验,提出一种雾计算网络中结合联邦学习和推荐算法优化内容缓存性能的方案。首先,构建了端到端协作的雾计算网络模型,用户可通过端到端和无线链路从用户端、雾节点和云端获取内容;其次,在本地建立深度神经网络模型,利用历史请求数据训练本地模型,利用雾节点聚合本地模型,从而预测全局内容的流行度,同时,向用户提供个性化内容推荐列表,以提高缓存命中率;最后,使用真实数据集进行了仿真实验,实验结果表明,所提方案能有效降低内容的获取时延,提升缓存命中率。

雾计算辅助车联网中面向视频直播业务的资源分配研究

提出一种车辆雾计算网络中视频直播业务的资源分配方法,通过联合优化比特率选择、用户调度和频谱资源分配,以实现在最大化视频质量的同时降低时延和视频抖动.为了降低时延和视频抖动,在效用函数的设计中将时延和比特率切换作为惩罚因子.由于网络的动态变化特性和可用的频谱资源,将上述优化问题建模为马尔可夫决策过程,采用Soft Actor-Critic深度强化学习算法获得最优资源分配策略.仿真结果证明,所提方法比现有强化学习算法具有更好的探索能力和收敛性能.

雾计算网络中基于移动感知的任务卸载和资源分配

在雾计算网络中由于雾计算节点(fog computing node,FCN)有限的覆盖范围和用户的移动,导致用户很容易离开原雾节点的覆盖范围并产生任务执行结果的迁移,同时引起能量消耗和时间延迟,进而影响用户的收益。针对这些问题,在三层雾计算网络中,通过分析用户驻留时间来考虑用户的移动性;通过任务卸载、FCN的选择和计算资源分配进行联合优化减少任务迁移概率,进而降低系统开销,最大化用户的总收益。该最大化问题被分解为任务卸载和资源分配两部分进行求解。在任务卸载方面,提出了基于基尼系数的雾计算节点选择算法;在资源分配方面,提出了基于遗传算法的分布式资源分配算法。仿真实验结果表明,本文算法与其他算法相比能获得更多的用户总收益。

论公众化转向视角下的网络雾霾段子的治理

当前,中国经济飞速发展,带动新媒体技术不断创新,促使社交媒体成为公众沟通、交流、取得信息的重要渠道。网络的包容和开放使公众能够自由地在网络公共平台上发表个人意见、与他人交流。近年来,面对严肃的公共事件——雾霾治理时,公众愈加倾向选择用戏谑的方式来表达自己的观点和意见。在众多嬉笑怒骂的传播形式中,既能表达自己观点,又能搏人一笑,以至以此为卖点产生经济效益的网络段子成为娱乐化的网络舆论中最常见的形式之一。网络段子虽能纾解社会压力,但却消解了严肃的公众议题,并不能从根本上解决社会矛盾。因此,治理网络雾霾段子,应投入大量的人力及物力,遏制此类现象的发生。

基于改进YOLO v3的相似外部特征人员检测算法

针对目前异常行为检测中相似特征人员检测方法稀缺、人员和特征检测准确度低、特征量较少,而相似外部特征往往意味着团队行动及潜在异常行为等问题,提出一种基于深度学习的相似外部特征人员检测算法.首先采用加入Fast Guided Filter的暗通道去雾算法对INRIA数据库图像进行前期处理,得到质量更佳的训练样本;然后用得到的样本对改进的YOLO v3进行训练;最后将提取出来的行人进行颜色特征和几种纹理特征提取,组合之后用ELM进行分类.仿真结果表明:加入Fast Guided Filter的暗通道去雾算法明显优于单纯的暗通道去雾算法,保留了更多的边缘和纹理特征,在雾天和强曝光下效果尤为明显.相比HOG+SVM方法,该算法对人员检测的误检率和漏检率都大大降低,且具有较好的实时性.最后ELM分类的准确性能够达到96. 104%.