基于生存时间的映射缓存建模与仿真分析

映射缓存在身份与位置分离网络中用于暂时存储通信对端的身份标识与位置标识的映射关系,以减少映射查询时延,提高网络性能.本文对基于生存时间（Time-To-Live,TTL）的映射缓存的命中概率进行了数学建模.该解析模型得到的缓存命中概率,可以作为数据包到达间隔分布的函数进行计算.通过仿真分析对数据包到达间隔的分布进行数据拟合,得到其累积概率分布,并验证了所建模型的正确性.进一步仿真评估了映射缓存的性能.     

一种分布式Ad hoc网络广播算法

在无线Ad hoc网络中,广播作为一种重要的通信方式被许多单播和多播协议用来完成其路由建立和维护工作.文中假设网络中所有的移动节点共享信道,并且节点不知道全局网络拓扑信息.因此网络中每个节点只能通过洪泛进行通信.但是采用洪泛方式广播,由于每个节点都要向其相邻节点转发报文,协议效率低、通信代价昂贵,而且还会带来广播风暴问题.为避免由于洪泛造成的广播风暴问题,文中提出一种分布式Ad hoc网络广播算法.该算法无需任何控制报文.算法简单易行,适合移动无线网络环境.仿真实验结果表明新的算法与现有算法相比更加有效和健壮.     

基于衰老更新机制的移动IPv6协议改进

分析了移动IPv6协议原理,介绍了协议的不足,提出了新的移动IPv6协议.针对传统移动IPv6协议这一缺点,新的协议采用区域累计使用时间来确定家乡地址、家乡代理,在技术上使用动态缓存表,并采用OPNET仿真软件对新的协议进行了仿真.仿真结果表明:采用新协议时,网络性能得到明显提高,以目标客户机平均响应时间为例,采用老协...     

大数据k-Means聚类挖掘优化算法

基于数据规模导致难以应对的存储量、数据规模导致传统算法失效、大数据复杂的数据关联性导致高复杂度的计算等问题,对大数据下的k-means聚类优化算法进行研究,给出了适用于大数据任务处理的MapReduce软件架构的模型机制,通过改进k-means初始聚类中心的选取,提出了一种基于MapReduce模型的k-means聚类优化算法.最后将改进的算法应用于煤炭煤质的分析中,结果显示较传统算法,改进算法的效率有明显提高.     

多源异构遥感大数据的高性能存储技术研究

为了提高多源异构海量遥感数据处理流程中存储系统的性能,研究了自适应内存缓存机制在遥感数据存储中的应用.首先使用Alluxio建立统一的虚拟文件系统,并研究了基于空间关系及历史数据访问推理的缓存机制.其次引入了基于内存运算的Presto作为遥感数据元信息的存储组件,为海量的遥感数据元信息及高级语义信息提供实时的读写支持.实验结果表明,相对于使用传统存储方式的流程,使用自适应内存缓存遥感数据存储系统的流程处理耗时减少18%以上,该存储系统对提高遥感数据处理效率贡献显著.     

GIS大数据量编辑处理中快速捕捉的优化策略

在GIS空间数据编辑处理过程中，对象的捕捉是非常重要而且常用的功能之一．并且对捕捉的响应速度要求很高．然而．海量数据编辑时．由于捕捉过程计算量比较大以及捕捉计算过程中频繁地从数据库中调入数据．严重地影响了捕捉的速度．文中提出了在海量数据下通过建立本地缓存的和数据精简方法来加快捕捉速度．阐述了当前流行的数据组织方式．以及基于这种方式的缓存构建．通过建立试验系统比较进行优化前后的捕捉响应速度的差异．来证明文中提出的方法的有效性．     

基于帧缓存的多角度影像精细纹理映射方法

三维建筑物模型纹理映射方法通常针对单独平面选取单一影像投影,然而单张关联影像通常存在部分遮挡问题,影响纹理映射质量. 为此,本文提出一种基于帧缓存纹理绘制技术的多角度影像精准纹理映射方法. 首先将单体化精细建筑模型和倾斜摄影测量解决方案生成的三角网模型配准,再根据建筑模型空间特征进行纹理绘制基元提取;然后根据纹理绘制基元对三角网模型生成虚拟渲染相机,利用帧缓存纹理绘制方法,获取帧缓存对象并提取纹理,最后通过纹理绘制基元映射到精细建筑物模型表面,实现三角网模型到精细单体化建筑模型的自动纹理映射. 利用倾斜摄影测量数据进行实验,实验结果表明,相比传统方法,本文方法减少了14%以上的不良纹理比率,纹理空间压缩率达到14.21%,且具有更精确的纹理映射效果,能满足精细建筑模型的纹理重建需求.      

大数据背景下基于特征学习的机械设备剩余寿命预测

传统数据驱动剩余寿命的预测方法是通过信号处理从监测数据中手动提取特征并构建健康指标，而在大数据背景下，手动提取特征需要特定专家知识并耗费大量人力，为解决该问题，提出了一种基于特征学习的机械设备剩余寿命预测方法——自适应特征学习寿命预测方法（AFLRULP）. 该方法构建移动窗口数据矩阵解决单次采样中的数据波动问题，并建立了多层一维卷积神经网络将数据矩阵映射为机械设备的健康状态；根据失效阈值可以计算出机械设备的剩余寿命；采样轴承全寿命周期数据集合对提出的AFLRULP进行验证，并且与传统基于手动提取特征的方法进行寿命预测准确性的对比. 研究结果表明:AFLRULP不需要人工提取特征，可从原始监测数据映射为机械设备的性能状态与剩余寿命，相对于现有的基于手动提取特征的寿命预测方法，提出的方法在轴承寿命预测累积相对准确率上平均提高了0.20.      

基于SDKEY的移动终端数据分区保护

针对传统的安全数字钥匙（Secure Digital Key,SDKEY）硬件存在的性能问题,给出了一种SDKEY硬件改进方案,并设计了SDKEY和移动终端之间的双重认证方案.提交了一种基于SDKEY的移动终端数据分区保护方案,给出了一个基于SDKEY的移动终端应用框架模型.研究分析表明,该方案在安全和性能上得到提高,并具有一定的应用价值.     

遗传算法在集中管理式Web缓存系统的应用

本文对集中管理式Web缓存系统进行了改进,应用遗传算法寻找下栽的最优路径,既解决了传统的Web高速缓存(Web Caching)中存在的各缓存服务器之间因不断对话而牺牲不必要带宽的问题,又增加了下栽速度．     

高速公路ETC客户细分方法研究

应用大数据技术,提出一种基于车辆通行特征的ETC客户细分方法.构建了ETC客户细分指标体系并利用ETC收费数据提取了最近消费间隔、年通行频次和年消费金额等细分指标;为克服大数据聚类的失效问题,结合CLARA算法完成了ETC客户全样本数据聚类分析;建立了ETC客户细分决策树并提取出细分规则,最终实现了ETC客户星级评定.分析结果表明,本文提出的ETC客户细分方法能够解析各类客户通行特征、当前价值和增值潜能,可为高速公路运营管理单位探索ETC客户精准营销和分级费率优惠提供创新思路,同时可为进一步提高ETC客户规模和支付比例、提升ETC管理决策水平提供理论支持.     

基于遗传算法的车间设备布局设计

车间设备布局问题具有非线性、NP难等特性,无法运用传统方法求得最优解.运用遗传算法突出的寻优能力,在单行布局的基础上,采用自动换行技术对车间设备进行多行设备布局,优化车间设备布局效果,运用PMX交叉操作和邻域搜索技术的变异操作提高遗传算法的全局和局部搜索能力.通过实例验证了此方法的可行性和有效性.     

一种实时多媒体数据流传输算法及其在NS2上的实现

为了解决基于UDP协议的实时多媒体数据流与基于TCP协议的应用数据流共享有限的带宽问题,文中就如何能够获得更好的多媒体数据流的传输算法进行了研究.在对传统算法进行分析和参考有关算法的基础上,改进了IETF的友好TCP速率控制协议.利用C 语言在NS2上成功地实现了改进后的算法,并进行了仿真,取得了预期的效果.     

实用背包密码术的研究

本文在已研制的背包间题密码系统的基础上,对整个算法从理论上、方法上进行了进 一步修改完善,并对整个密码算法的原理、应用和安全性进行了论证.这种密码系统 是建立在传统密码学和公开密钥密码体制的基础之上,它既可实现保密性又可保持 真实性,特别适于作为计算机信息的通用加密工具。      

PC箱梁桥竖向预应力施工技术探讨

采用钢绞线低回缩量锚固体系可以改善桥梁短预应力束的预应力损失及失效现象,并且该体系具有锚固可靠、施工便利和经济等优点．将会在预应力结构中得到广泛应用。     

基于遗传算法的车间设备布局设计

车间设备布局问题具有非线性、NP难等特性,无法运用传统方法求得最优解.运用遗传算法突出的寻优能力,在单行布局的基础上,采用自动换行技术对车间设备进行多行设备布局,优化车间设备布局效果,运用PMX交叉操作和邻域搜索技术的变异操作提高遗传算法的全局和局部搜索能力.通过实例验证了此方法的可行性和有效性.     

定位-路径问题综述

研究了定位-路径问题(LRP), 总结了国内外LRP模型及其扩展模型, 比较了LRP模型求解算法的适用性, 分析了LRP测试算例的节点分布和数据规模, 提出了LRP研究的主要方向。研究结果表明: LRP模型从基于基础网络的最简化问题(带容量约束的LRP, CLRP) 向多方向模型进行扩展, 包括基于网络复杂化的LRP扩展, 如特定网络系统的多目标LRP (MOLRP)、同时取送货LRP (LRPSPD)、接驳转运中心LRP (CDCLRP)、两阶段LRP (2E-LRP)、选址-弧路径问题(LARP)、卡车和拖车路径问题(TTRP) 与设施地点为二维连续的LRP (PLRP), 基础网络参数不确定化的LRP, 包括带模糊数据的LRP与多计划周期LRP (MPLRP), 且正在向更切合实际的问题如高度集成、不确定与动态LRP发展; LRP算法方面, 精确算法仅可用于求解小规模LRP, 主要LRP求解算法由早期的智能算法逐渐转向元启发式算法、基于邻域搜索优化的算法与混合算法方向发展, 这些改进算法均基于特定LRP设计, 具有更好的求解性能, 尤其是采用基于多种破坏和修复因子的自适应大邻域搜索算法求解大规模LRP取得了较好的解, 且其改造性极强; 常用LRP测试算例的节点呈现均匀分布、堆分布及均匀与堆混合分布, 且逐渐产生了适用于2E-LRP与LRPSPD等扩展LRP的测试算例; 根据物流市场环境变化和需求, 提出LRP未来扩展研究的主要方向, 包括多阶段LRP的扩展(如2E-LRPSPD、考虑库存的2E-LRP等)、节点二维连续的LRP、客户含优先级的带竞争或盈利LRP、混合不确定LRP等切合实际的问题; 提出了LRP求解算法未来方向, 包括设计新型精确算法求解中、大规模LRP, 设计更准确更高效的组合启发式算法与应用近似算法求解LRP及扩展LRP的最优解。      

基于差分模型的无控制DEM差异探测方法

为了提高现有方法的性能，提出了基于差分模型的无控制数字高程模型（DEM）差异探测的新方法，并成功地用于普歪沟泥石流地区地表变形探测（该区变形面积超过50％）．该方法在LZD算法（最小高差法）的基础上引入差分模型，兼顾了观测值的数值及其相互关系的影响，显著提了高算法的差异探测性能．结果表明，新方法的匹配精度比目前代表性的采用肌估计的LZD算法（M-LZD）和采用最小平方中位数的LZD算法（LMSLZD）的精度高．     

基于双向维度抽取的协同进化存档算法

为改进协同进化算法的可靠性和有效性,本文结合问题域内固有的维度结构特性,提出了一个基于双向维度抽取的存档算法．该算法简化了DECA中的维度抽取方法,并提出从测试个体和候选个体两端分别实施维度抽取（仅选取每个维度上代表当前进展的测试个体和带有维度信息特征的高性能候选个体保留存档）,用于维持进化在各维度上的全局进展．实验表明,与同类算法相比,本算法使用的两个档案在进化中均保持了较小的存档量,性能高于其他同类算法．