基于时频分析的大数据信息流传输安全保护方法

对网络信息传输进行相应保护是保证网络安全的基础,因此基于时频分析对大数据信息流传输的安全保护方法展开研究.通过创建信息流传输细粒度安全识别结构、设置信息流传输安全保护系统加密以及建立信息流传输安全保护系统模型,实现信息流传输系统的安全保护,同时通过实验证明了设计方法的有效性。

多信道车载网中基于时分多址的MAC改进算法

车载网(VANETs)需提供时延敏感的安全应用和非安全应用的通信服务。这就使得媒体接入控制(MAC)协议既要满足安全消息的时延和可靠率,又要保证非安全消息的服务信道利用率,给MAC的设计提出了挑战。为此,提出基于时分多址的MAC改进算法(I-TDMA-MAC)。I-TDMA-MAC算法在每个同步帧内给每辆车分配两个子时隙,旨在提高无碰撞信道接入率和安全消息的传递率。同时,对空闲时隙采取重分配策略,并基于最短作业优先准则(SJF)给空闲时隙设置优先级,旨在提高服务信道利用率。仿真结果表明,提出的I-TDMA-MAC算法的安全消息传递率高达99%,当车流密度到达100 vehicle/km时,服务信道利用率接近于90%。

一种面向移动Ad Hoc网络DSR协议的改进泛洪算法

在移动自组织网络中,基于移动节点地理位置辅助信息,提出了一种新的泛洪算法——位置辅助泛洪改进算法(ILFA),ILFA通过节点位置信息重传广播分组并有效控制网络流量。此外,将ILFA应用于经典MANET源路由(dynamic source routing,DSR)协议中,通过限定请求区域和期望区域等限制路由发现的有效范围,进而通过设置提名广播重传邻居列表限定路由请求分组重传范围,有效减小DSR路由寻路分组的传播次数。仿真结果证明,和传统泛洪方案相比,ILFA能够有效减小DSR路由协议的路由开销并提升MANET吞吐量。

基于混合消息传递和部分高斯近似的联合信道估计MIMO-OFDM接收机

本文提出了一种基于混合消息传递和部分高斯近似(Partial Gaussian Approximation,PGA)的多用户干扰消除方法,并应用到联合信道估计MIMO-OFDM接收机中。由于多用户干扰模型中存在的"乘积-求和"结构,使得选择标准消息传递规则,如置信传播(Belief Propagation,BP),期望传播(Expectation Propagation,EP),平均场规则(Mean Field,MF),或者联合方法时只能在性能或复杂度方面有所取舍。现有根据标准消息传递规则得到的最优性能接收机复杂度高,而近似程度大的低复杂度接收机性能损失严重。本文根据多用户干扰模型的自身特点,对标准消息传递规则进行了修改,提出了一种基于混合消息传递规则和部分高斯近似的多用户干扰消除方法。依据信道估计过程中不同用户的信道权重,采用不同的消息传递规则,可以实现复杂度和性能的均衡调整。仿真结果表明,本文提出的多用户干扰消除方法,在性能接近已知最优接收机的情况下,能够大幅降低复杂度。

云数据中心基于温度感知的虚拟机迁移模型

提出云数据中心基于温度感知的虚拟机迁移模型TA-VMM。TA-VMM迁移时着重考虑物理主机处理器的温度情况和物理主机负载均衡情况。在物理主机状态检测阶段寻找出候选迁移主机MigrationFromHosts;在虚拟机选择阶段寻找出候选迁移虚拟机列表VmstoMigrateList;在最后的虚拟机放置阶段完成候选迁移虚拟机的重新放置。CloudSim云计算模拟器仿真结果表明,TA-VMM中温度阈值对云数据中心的性能影响十分重要,TA-VMM比其他虚拟机迁移模型具有更低的能量消耗。

人工智能时代学习方式变革的机遇、挑战与对策

人工智能时代,学习方式将发生重大变革。文章认为人工智能时代学习方式变革的机遇包括重建学习空间、重塑师生交往、优化学习策略、培养"创新人才"所需素养,提出人工智能为学习方式变革带来的新挑战包括人性反叛与人文迷失、技术地位僭越、万能论陷阱以及诱发的"AI臣民"现象。为提升教育质量,文章建议人工智能时代的学习方式变革应该:坚守人文情怀,凸显人文精神;谨防智能僭越,关注师生交往;关注学习生态,形成学习共同体;提升学生AI素养,重视主体权利。

无线传感网络中基于规则预设的集中式入侵检测系统

黑洞攻击和选择性转发攻击是威胁分簇无线传感器路由协议安全的主要攻击手段。提出一种基于规则预设的集中式入侵检测系统,预设两种攻击条件下网络的行为规则,一旦簇头通过收发控制分组检测到入侵节点,发现网络行为偏离预设规则,则判定网络遭受某种网络攻击。使用网络仿真软件(NS2)评估入侵检测系统。仿真实验结果证明,在节点能量受限的无线传感器网络应用场景下,集中式入侵检测系统具有优越的安全性能和节能特性。

云数据中心基于贪心模式的虚拟机选择算法

针对如何从云数据中心的异常物理主机中选择出候选迁移虚拟机列表是虚拟机迁移中的问题,提出了基于贪心模式的虚拟机选择算法(GAO-VMS)。GAO-VMS每次都选择那些目标函数最优的虚拟机作为标准来迁移,形成候选迁移虚拟机列表,它有三类贪心模式:最大能量降低消耗策略(MPR)、最小迁移时间及能量消耗均衡策略(TPT)、最小每秒百万条指令数虚拟机请求策略(VVM)。使用CloudSim模拟器作为GAO-VMS的仿真环境。仿真结果表明:与常见的虚拟机迁移策略相比较,GAO-VMS使得云数据中心的能量消耗减少了30%~35%,虚拟机迁移次数减少了40%~45%,服务等级协议(SLA)违规率以及SLA违规和能量消耗联合指标只有5%的增加。GAO-VMS策略可用于企业构造绿色云计算中心。

基于聚类分析的电子商务用户行为识别

在实际电子商务企业发展中,识别电子商务用户行为,对电子商务用户行为进行行之有效的评估,选择出最优的电子商务用户营销决策,以达成电子商务用户营销目的。应用聚类分析方法,通过对电子商务用户的行为进行聚类分析识别,可以优化制定出适合电子商务用户营销的发展决策。结论证实,基于聚类分析方法可以正确识别电子商务用户行为,为优化电商商务用户营销决策提供科学依据。

基于SIFT特征与多层BP神经网络的钢板缺陷检测算法

为了解决当前钢板表面缺陷在对比度弱、边缘复杂和光照不均干扰下易导致检测能力较低的问题,文章提出了基于SIFT特征与多层BP神经网络的钢板缺陷检测算法。首先,引入高斯差分和Hessian矩阵,对钢板图像进行空间尺度函数计算,统计SIFT深度向量特征,完成缺陷特征的检测与收集。然后,基于神经网络原始模型,计算其第五层输出结果,优化缺陷检测结果,并最小化输出层与期望值的差异平方,滤除伪SIFT特征的干扰,建立多层BP神经网络拓扑分析算子,准确识别钢板缺陷。最后,基于软件工程,设计检测系统软件,对文中算法的缺陷检测精度进行测试。实验测试结果显示:与当前主流钢板缺陷检测技术相比,文中算法拥有更高的准确性与鲁棒性。

最大类间方差耦合分水岭分割的目标定位算法

为了解决当前复杂目标受噪声干扰严重、背景多变且工件型号切换频繁,导致目标分割不准确,影响目标定位与装配的准确度。本文分别从系统软硬件架构和分割算法整合的角度出发,提出了基于最大类间方差与分水岭标记的复杂目标分割与定位算法。首先,搭建网络摄像头、多轴伺服电机和视觉软件系统之间的系统架构,达到可用于现场实际作业要求的目的。然后,根据图像目标与背景的最大类间方差特性,计算最佳分割阈值,达到对工件目标粗分割的目的。最后,构建分水岭分割线特性,提取分割线,优化区域标记准确度,达到对工件精分割,剔除噪声干扰的目的。实验测试结果显示:与当前分割算法相比,本文算法拥有更高的分割准确度与作业稳定性。

基于卫星三线阵影像生成DEM和DOM研究

研究由三线阵CCD影像生成DEM和DOM。首先采用Moravec算子提取特征点,然后利用物方匹配获取的前视、中视和后视影像上同名像点,获取地面点的三维坐标,最后由移动曲面平滑法生成DEM并利用生成的DEM由反解法生成DOM。研究结果的精度评定中,一方面采用人工目视分析法研究了兴趣点提取和同名像点匹配的合理性;另一方面通过误差理论和人工量测,获取RPC前方交会、生成DEM和DOM的精度。其中,RPC前方交会中经度、纬度和高程的平均精度分别为0.629 4 m、0.487 1 m和1.213 2 m;生成DEM的平均精度为1.051 m;生成的DOM在经度和纬度方向平均精度分别为3.413 4 m和3.910 2 m。相关精度符合1:5万制图标准,说明得到的DEM和DOM有实质的地理空间信息意义。

新形势下高职分层教学模式实践与探索

近年来,高职生源质量下降、数量锐减,学生差异化现象越来越明显,以教师为主体、一刀切式的传统教学模式已经不能满足当前高职教学要求。分层教学模式能够做到以学生为主体、因材施教,充分发挥学生特长,发掘学生潜力,具有较高的理论价值和推广空间;但分层必须科学、合理,才能取得较好效果。

基于移动云计算的数字化教学资源建设、应用与共享平台研究

针对高职教学资源整合分散、交互困难的问题,基于云计算的移动学习将成为学习者个性化学习的一个重要方向。首先分析了云平台研究和应用背景,然后详细介绍了云平台的功能、云端模式以及客户端模式下的详细功能配置过程。该系统模式通过在云端共享资源,用户利用手机平台实现资源交互的智能化、移动化,并由此优化、整合高校教学资源,提高教学资源利用率。

光纤通信网络中干扰信号滤波器设计

光纤通信网络数据传输经常会受到各种干扰信号的影响,导致正常通信过程中出现信道丢失、连续噪声等现象,提出光纤通信网络中干扰信号处理的滤波器。硬件结构由信号处理器、信号输入输出模块、信号转换模块等部分构成;给出了光纤通信网络中干扰信号滤波算法流程图,结合滤波过程中需要的各种指标要求,并根据滤波器输出的相频特征和幅频特征,调整干扰信号滤波器的各项参数,最终实现对各种干扰信号的有效滤除。结果表明,提出的滤波器设计在不同频率条件下均能获得良好的滤波效果,可以有效提高光纤通信网络的性能和效率。

基于加权霍夫投票的多视角车辆检测方法

针对复杂场景中车辆由于视角变化引起的检测精确度过低的问题,改进霍夫投票目标检测模型,提出一种在统一框架下通过不同权重组合发现目标最优视角并进行精确定位的方法。首先,利用一种无监督方法实现多视角车辆的子视角划分;其次,利用子视角划分结果定义霍夫投票过程中各正例样本在不同视角下的投票权重;最后,利用子视角划分和投票权重,提出一种新的适用于多视角目标检测的加权霍夫投票模型。在MITStreet Scene Cars和PASCAL VOC2007 Cars两个常用数据集上的实验结果表明,所提方法在不增加模型复杂度的前提下,有效提升了多视角目标检测精确度。

基于因子图拉伸的SC-FDE联合信道估计接收机

提出了一种基于因子图-消息传递算法的联合信道估计单载波频域均衡(SC-FDE)接收机。针对现有联合信道估计接收机中存在的复杂度和性能之间的矛盾,利用因子图拉伸方法对现有模型进行拉伸变换。变换之后的因子图模型可以将现有模型中的观测节点分割为几个节点的组合,并依据分割后节点的自身特点采用更合适的消息传递规则,进而避免了各种消息传递规则的固有缺陷。仿真结果表明,相比已有联合接收机算法,所提出的基于因子图拉伸和联合期望传播-平均场(BP-MF)算法在提升性能的情况下能够显著降低复杂度。

移动学习影响因素研究的反思与展望

"互联网+"时代下移动学习成为教育信息化发展的新趋势,并不断影响教育方式的变革。移动学习影响因素的研究主要聚焦在移动学习理论、设备、资源及应用等方面;移动学习影响因素的研究视角为技术接受、信息传播、资产专用、知识管理、分布式认知、社会文化、边缘性参与等。本文根据移动学习影响因素与研究现状,形成移动学习影响因素研究框架:研究主体多样化、研究客体体系化、研究方式情境化、研究视角多元化、研究内容螺旋化。在此基础上,本文对移动学习影响因素研究提出:开展跨学科的对话、实现研究视角转换、促进研究方法深化、面向真实情境、开发优质移动学习资源等赋有创见性的展望。

移动学习资源特点及设计原则研究

近些年来,随着移动通信技术的发展和移动终端设备的普及,移动应用已深入到了生活的方方面面,因此,软硬件条件己经不再是利用手机进行学习的限制了。信息化时代,人们学习的需求在不断增加,并且,希望能够更加便捷地获取知识和信息,随时随地的学习成为一种新风尚。移动学习是解决这个问题的一种最优的解决方案。移动学习除了学习平台和软件开发建设外,移动学习资源的建设也是至关重要的。好的资源能够实现有用、高效的学习,保证学习质量,为学习者提供更好的学习体验。本文通过对移动学习资源的理论基础进行研究,并总结出移动学习资源的设计原则。

基于三目视觉标定的机器人精确移载视觉系统

为了解决当前机器人视觉系统精度不稳定和单位作业时间过长,且缺乏自动补偿功能的不足,文章分别从系统硬件结构改进和软件算法优化的角度出发,提出了基于三目视觉的机器人视觉系统。首先,搭建PLC感应器、机器人和视觉PC之间的逻辑通信通道,达到材料运行状态实时获取与处理的目的。然后,根据机器人与视觉坐标系之间的缩放旋转平移参数,设计9点标定法,对三个工业相机进行标定,达到图像像素坐标与机器人世界坐标的精准绑定。最后,根据产品工程基准,选取感兴趣区域,优化最小均方误差匹配算法,达到系统精度与速度的平衡。实验测试结果显示:与当前机器人视觉系统相比,文中系统拥有更高的视觉准确度与作业效率。