发表咨询:400-808-1731
订阅咨询:400-808-1751
北大期刊
影响因子 0.65
人气 24539
省级期刊
影响因子 0.67
人气 24309
北大期刊
影响因子 0.51
人气 23749
北大期刊
影响因子 0.99
人气 23233
北大期刊
影响因子 0.94
人气 20396
部级期刊
影响因子 0.98
人气 18747
北大期刊
影响因子 0.95
人气 18057
部级期刊
影响因子 1.03
人气 13569
部级期刊
影响因子 0.38
人气 12816
省级期刊
影响因子 0.16
人气 12307
摘要:为提升网络转发设备的数据流协调能力,将传统的路由控制功能剥离,基于软件定义网络架构提出自适应数据流处理模型,使其成为能够优化整个网络数据流向的控制平面。自适应数据流的处理模型基于马尔科夫排队论,在控制平面根据数据流量创建或协调虚拟路由器,最大程度提高整个系统框架的处理能力。测试结果表明,基于该模型的测试网络数据处理量获得了显著提升。
摘要:为提高频谱资源利用率和系统吞吐量,提出一种基于超图的D2D资源分配方案。在保证蜂窝用户服务质量的同时,使一个蜂窝用户的频谱资源可以分配给多个D2D用户,尽可能地提高系统频谱资源的利用率;使用一种二阶段资源分配方案,允许一个D2D用户占用多个蜂窝用户的频谱资源。仿真结果表明,该方案能提高系统的总吞吐量,在保证蜂窝用户服务质量的同时,使单个D2D用户达到更高的吞吐率。
摘要:为使用户能够更快从海量的互联网信息中获得自己想要的信息,需要利用自动摘要技术给这些短文本添加简短的摘要,提出采用深度学习结合核心词修正的方法自动生成中文短文本的摘要。通过对长短期记忆网络(LSTM)进行研究,构建一个基于注意力机制的序列到序列模型(Seq2Seq),采用字词联合特征作为模型的输入进行训练,利用原文的核心词対生成的摘要进行修正,得到最终的摘要结果。通过分析在LCSTS数据集上的实验结果验证了该方法的有效性。
摘要:为弥补机会网络中节点周期性休眠导致消息时延增大、传递成功概率下降等性能问题,在转发时应选择与目的节点关系密切的节点作为中继,以实现消息快速向目的节点聚集。在可容忍的消息时延和传递成功概率的条件下,提出一种基于低占空因子休眠和有效度转发的机会网络节能路由算法FALDC。将FALDC与其它3种算法进行对比,仿真结果表明,在一定时间之后,FALDC算法的消息传递成功率、消息时延、节点存活率等方面的性能优于EEAODC、MSAF和Epidemic算法。
摘要:针对网络波动影响视频流传输的问题,提出一种随网络变化自适应调整视频码率的控制策略。在不影响网络传输的前提下,测量前一刻的可用带宽,通过构建带宽预测模型预测下一个时刻的可用带宽,结合“实际帧率”作为补偿因子对视频码率进行调整,生成合适网络传输的视频流。与传统方法进行对比,实验结果表明,该传输策略切换时间减少了39.8%,带宽的利用率提高了22.7%,使视频码率随网络带宽的波动进行快速准确地调整,有效地提升了视频传输性能。
摘要:在移动云计算中提高微云 (Cloudlet)虚拟机利用率是增加云 (Cloud Broker)和微云收益的关键,引入马尔科夫博弈可分别优化双方的收益。将云和微云和的服务量化为排队过程,分析该过程建立马尔科夫博弈模型;分析每个时间片中系统的收益并确定该博弈为变和马尔科夫博弈,提出反向迭代算法得到其纳什均衡策略。对比马尔科夫博弈的方法与云租用确定数量虚拟机的方法,其结果表明,采用马尔科夫博弈可明显提高系统收益。
摘要:无线传感网络的数据传输消耗了节点的大部分能量,为此,提出基于光晕网络模型的平衡负载的数据传输 (coronas-based network model load balanced data gathering,CLBDG)算法,降低能耗。建立光晕网络模型,推导每个光晕内所需的节点数;利用每个光晕建立数据传输路径,降低路径跳数和平衡节点间的负载;在保证覆盖区域的同时,通过控制节点数限定数据包数,控制网络负载。实验数据表明,CLBDG算法能够有效控制、平衡负载,节省了节点能量,提高了网络寿命。
摘要:为对抗来自无线传感器网络(wireless sensor network,WSN)内部节点的恶意攻击,提出一种基于分布式信任评价模型的能量优化安全路由协议(energy-optimized secure routing,EOSR)来识别和隔离恶意节点。设计一个多因素的路由策略,综合考虑节点的信任水平、剩余能量及路径长度,确保数据通过可信节点传输,均衡可信节点之间的能耗。通过仿真对比现有的路由算法,EOSR协议在能量消耗、吞吐量和网络存活期上显示出了更优的性能。
摘要:以OpenStack Neutron项目为基础,针对云环境中安全边界的模糊化问题,通过软件定义的方式,设计一套云环境访问控制框架。在云环境中引入虚拟化防火墙(VFW)并通过下发相应的访问控制策略,在三层网关处实现南北向流量的访问控制,通过微分段、服务链等技术对云环境中租户内部东西向流量进行访问控制。实验结果表明,对比OpenStack原生解决方案,该框架可保持良好的系统性能,为云计算用户提供更完善更强大的安全功能。
摘要:通过分析远程桌面协议(RDP)的安全性,提出使用安全套接层扩展RDP通信协议栈的改进方案。为解决通信协议客户端的身份认证强度较低,难以抵御中间人攻击等安全问题,设计一种基于椭圆曲线算法的安全传输协议,实现基于通信协议的双向身份认证机制。结合移动终端对改进协议进行实验分析和安全性比对,验证了其可行性和通信双方的身份有效性,构建了移动虚拟化数据安全传输体系。
摘要:为研究安全保密程度高且轻量级的身份验证方案,在Chebyshev混沌映射和模糊提取器的基础上,提出一种多服务器身份验证方案。利用模糊提取器理念,准确实现生物特征模式匹配;为进一步改善用户匿名性和不可追踪性,使用Chebyshev混沌映射建立包含前向保密性的会话密钥。BAN逻辑证明了提出方案的准确性。与其它同类优秀方案比较,提出方案在身份验证的保密性和安全性方面更优,时间复杂度适中,更加适用于多服务器环境。
摘要:针对生物特征识别系统存在的隐私泄露和数据篡改等安全隐患,提出一种基于签名数字信封技术的系统安全传输加固方法。通过对客户端和服务器侧增加安全模块,采用含签名的增强数字信封技术实现生物特征模板的安全传输,确保模板参数加密和处理结果签名不可篡改。在分析BioAPI函数及数据结构基础上,给出兼容BioAPI标准的安全应用加固框架及其实现细节。安全性对比分析结果表明,加固后系统提升了保密性和完整性,具有一定的实用价值。
摘要:为解决地空通信中的无线电干扰问题,保障飞行安全,结合民航通信中持续干扰的特点,提出基于最小二乘的持续干扰自适应抑制方法。分析双通道系统数学模型,利用信号的时域特点设计干扰抑制器加权矢量的更新方法,利用协方差矩阵的特征值之比自动识别与判断信号中是否仅有持续干扰。在此基础上,采用数字信号处理器DSP芯片和现场可编程门阵列FPGA芯片设计并实现持续干扰抑制系统。仿真与实验结果表明,该方法可以有效地抑制地空通信中的持续干扰。
摘要:针对大规模系统中内存映射通信机制空间划分复杂、缺乏规范化建模和管配方法的问题,分析基于航空机载高速内存映射异构平台的波形建模应用需求,提出一种基于E * MOCB硬件抽象层的底层通信机制封装方法,实现波形组件与异构平台的逻辑解耦;制定一种标准化的波形组件以及波形建模描述方法,实现波形的规范化设计与开发,通过系统的综合调度和对E * MOCB的配置实现波形的灵活动态部署及运行。以实例验证了该方法的有效性。
摘要:为减小相位测量轮廓术中的多路径效应误差,得到更准确的三维重建结果,对修复的方法进行研究。针对在扫描方向被测物体形态变化为线性或较为平缓的情况,方法一图像校正利用相位测量轮廓术投影光栅的相移特性,针对采集图像的误差区域进行修复;方法二相位校正利用计算出的相位误差修复相位,进行三维重建,更具有普遍适用性。实验结果表明,图像校正使相位误差的均方根值比校正前减小了约31.65%,相位校正使相位误差的均方根值减小了32.91%,有效地减小了多路径效应对相位测量轮廓术的影响。
摘要:为加速卷积神经网络的前向推理速度,提出一种针对卷积操作访存连续性的优化策略。在深度学习框架Caffe中,卷积以矩阵乘法的形式实现。Caffe卷积包含两个主要操作,分别是im2col和gemm。im2col称为image to columns,负责展开输入图像;gemm是general matrix-matrix multiplication的缩写,负责完成矩阵与矩阵之间的乘法运算。在以行优先的体系结构中,通过转置操作改变输入图像的数据排列,提升im2col和gemm的访存效率。实验结果表明,卷积操作的平均加速比在40%左右。
摘要:利用Spark平台的高速计算能力,将传统的关联规则算法移植到Spark平台上,虽然一定程度上提高了该算法的运行效率,但该算法本身存在的系统I/O负载量大、存储开销大等问题依然存在。为此,提出一种基于矩阵的并行化优化算法Apriori_MC_SP。引入矩阵概念减少事务数据库的扫描次数,充分利用Spark内存计算的弹性分布式内存数据集对象,存储事务布尔矩阵以及频繁项集。相较于传统的Apriori算法,该算法减少了事务数据库的访问次数,简化了Apriori算法的“自连接”以及“剪枝”过程。实验结果表明,提出方案在保证输出结果不变的情况下,加快了关联挖掘的执行效率。
摘要:为有效提升搜索广告的点击率预测效果,提出一种基于特征降维和深度置信网络的模型(KTDDBN)。针对传统方法还停留在探索广告特征间的线性关系的局限性,提出使用深度置信网络寻找广告特征间更加复杂的深层关联;提取广告特征后,采用K-means聚类以及张量分解对高维特征进行降维,利用深度置信网络挖掘高阶的特征组合,提高预测模型的效果。实验结果表明,该模型在一定程度上提升了广告点击率的预测效果。