基于能量均衡的助航灯光单灯监控WSNs路由协议

机场助航灯光无线传感器网络能量 有限,但部分灯光所处位置不规则,导致该区域设置的簇头节点因消耗较大过早死亡从而形 成传输过程中的区域空洞,破坏了整个无线传感器网络的能量均衡,影响网络工作寿命 。在分区路由协议的基础上提出能量均衡、簇头位置均匀分布的WSNs路由协议。该协 议由两部分组成,针对不规则区域（对应单排长排灯位置）采用链式传输协议,对其他区域 采用逻辑分区的分簇路由协议,在簇头选举算法中加入候选簇头节点分布区域限制和节点能量 约束。为验证协议的有效性,按照机场灯光进近区灯光位置分布进行了MATLAB仿真。仿真结 果表明,该协议具有良好的网络能量均衡能力,传感器网络可以获得较长的生命周期,适宜 机场助航灯光监控类应用场合。     

基于能量和密度的分簇路由协议

文章基于低功耗自适应分层(LEACH)协议的思想,为了节约簇头节点能量消耗,提出了一种基于能量和密度分簇路由协议CRBED(Clustering Routing Protocol Based on Energy and Density).在CRBED协议中,簇头选取以簇头节点的剩余能量、节点密度、簇头节点到SINK节点的距离以及簇头节点到簇内节点的距离为依据,并对簇头节点之间的距离和簇形成的规模限定了范围.实验结果表明:与LEACH协议和CHS-AEC协议相比,CRBED协议节约了簇头能量并且减少了整个网络的能量消耗.     

动态的Ad Hoc网络密钥管理方案

基于双线性对密码体制,提出了一个动态密钥管理方案(DKMS),使用秘密重分配技术,能够根据网络状况动态调整分享密钥的节点以及门限值的大小,利用可验证秘密共享技术对不诚实节点进行检测和清除,使得网络在保持高效通信能力的同时具有高度安全性,并对其正确性、安全性和鲁棒性进行了证明。     

基于遗传算法的无线传感器网络拓扑控制改进研究

针对无线传感器网络中节点能耗较高及网络生存时间较短的问题,提出一种基于遗传算法的拓扑控制策略。利用遗传算法良好的寻优能力来确定节点最优发射功率,同时设计了精英保留操作,提高遗传算法的优化速度。根据优化结果调整节点发射功率,可以改善网络拓扑、提升网络中节点能量使用效率。通过分析,在传感器节点非均匀布设时,本算法能够使得节点能量消耗减少,更好地延长网络生存时间。     

基于强度信息维数的加权网络分形特性分析

信息维数是从信息量的角度揭示复杂网络分形特性。现有的加权网络信息维数法仅仅用到了加权网络盒子覆盖法中的盒子尺寸选择规则,本文进一步考虑盒子中节点间的边权信息,重新将盒子包含信息的概率定义为盒子中所有节点的强度和与网络中所有节点的强度和的比值,提出了一种分析加权网络分形特性的强度信息维数法。该算法运用在谢尔宾斯基(Sierpinski)和康托三角尘(Cantor Dust)两类构造加权网络中,计算所得的强度信息维数与网络的理论维数非常接近,并在3个真实加权网络与现有加权网络信息维数法以及加权网络盒子覆盖法进行比较,实验结果表明3个算法都度量加权网络的分形特性,但是从拟合效果和拟合误差来看本文算法略优。     

基于ALIF和FWEO的滚动轴承故障特征提取方法

针对传统算法难以准确提取强背景噪声下滚动轴承微弱故障特征的问题,提出了基于ALIF(自适应局部迭代滤波)和FWEO(频率加权能量算子)的故障特征提取方法。利用ALIF将故障信号分解为若干I分量,通过计算不同I分量的峭度值及与原始信号的相关系数,筛选出与原始信号相关性最大的2个I分量进行重构,并利用FWEO进行解调,最终得到重构信号的能量谱图来实现轴承故障特征信息的提取,并与基于传统算法EMD和FWEO的方法进行对比,仿真和实验结果表明,该方法在故障信息提取方面的能力更优,对滚动轴承的故障诊断也更有优势。     

无线传感器网络中基于分簇广播认证协议方案

认证机制是无线传感器网络安全机制关键技术之一。本文给出了无线传感器网络的层簇式结构,分析了无线传感器网络的广播认证协议。在此基础上提出一种基于分簇的广播认证机制N-μTESLA方案,设计了广播和组播认证协议。仿真结果表明所提出的方案与μTESLA方案相比,可以减少节点的能量消耗,使网络的生存周期延长。     

一种航路网络社团划分的改进FN算法（英文）

社团划分是研究复杂网络特性的重要方法,目前应用较普遍的fast-Newman算法只考虑了网络静态层面的拓扑结构划分,而忽视了动态交通流量需求,导致划分结果仅为结构化最优的社团结构。为了提高社团划分准确性,以航路网络静态拓扑结构为基础,提出了网络交通流贡献度的概念;同时,引入运筹学理念优化网络邻接矩阵,形成一种改进的社团划分算法。选取华东地区航路网络352个航路节点,928条航段进行算法对比实验验证。结果表明,大型社团包含节点数占比提升21.3%,模块度值由0.756提升至0.806,而模块度的取值范围为[-0.5,1),因此,改进的算法对社团结构划分有更理想的效果。研究成果可以为航班时刻优化、航路资源合理利用提供理论和技术支撑。     

一种有效延长WSN生存时间的节点休眠调度算法

无线传感网络已被广泛应用于很多领域,但在无法更换节点电池的应用中,如何有效地节约能量,延长网络生存时间,是一项很重要且很有挑战的工作。文章提出了一种通过将中间位置节点分成只负责采集数据和只负责发送数据两类节点,并使布网完成后的冗余节点直接进入休眠,再经过合理调度休眠节点来有效延长网络生存时间的算法。通过性能分析,本算法在网络中存在大量冗余节点的情况下,可以达到更好地延长网络生存时间的效果。     

移动Ad hoc网络的入侵检测机制

移动Ad hoc网络(Mobile Ad hoc NETwork,MANET)是一种不依赖于任何基础设施,由移动节点自组织形成的无中心的多跳无线网络。由于其动态拓扑、无线通信等特点,存在严重的安全稳患。本文主要从传输信道、移动节点、动态拓扑、安全机制等方面分析了Ad hoc网络的安全弱点,并提出了一种基于入侵检测技术的安全方案。     

具有认知能力的入侵检测系统模型

介绍了入侵检测的原理，对目前入侵检测的模型和方法进行分析，并给出了一个具有认知能力的入侵检测系统模型，该模型由基于规则的检测模块、神经网络组件、统计分析处理模块三个主要模块组成。模型采用了异常检测和误用检测相结合的方法，使系统既有对已知的攻击有较好的识别能力，又有检测未知攻击的能力。文末指出了当前入侵检测存在的问题及今后的发展方向。     

基于模糊数据挖掘的网络入侵检测模型

提出了一个基于模糊数据挖掘的入侵模型.异常检测的一个主要问题是正常模式随时间变化.如果一个实际的入侵行为稍有偏差就有可能与正常的模式相匹配,而异常检测系统则无法检测到这种入侵行为.为解决这个问题,本文利用模糊数据挖掘技术建立正常模式,并用一组模糊关联规则表示.在进行异常检测时,利用新的审计数据挖掘当前模糊关联规则,并计算其与正常模式的相似度,如相似度低于规定的阈值,使其产生入侵警报.最后,文中利用遗传算法优化模糊成员函数来选择其参数.     

基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。     

基于LOFC时间窗分割算法的航迹聚类研究

针对传统聚类算法在聚类过程中缺乏时间信息而仅考虑三维坐标点的聚类,同时未考虑航空器运行速度和航向变化对聚类结果的影响,以及由于二次雷达机载设备、地面设备和信号遮挡等原因造成的实测数据源中存在离群点异常数据,离群点很难被有效识别出来从而使得非正常航迹点的影响放大,得不到理想的聚类效果等问题。本文提出LOFC算法,引入时间窗分割概念,将航空器进场平均速度值和航向变化值作为确定聚类簇大小的影响因子对进场航空器航迹点数量进行分割,引入离群点检测以及离群点剔除率等概念对离群点进行识别和剔除。对进场二次雷达数据仿真分析,从仿真结果中可以看出,新算法能有效地对离群点进行识别和剔除,当影响因子α取值为0.7时,航迹的曲率最小,得到的中心航迹的平滑程度最佳,验证了新算法对于聚类和离群点识别与剔除具有可行性和优越性。     

最小支撑树算法在基因表达数据聚类分析中的应用

聚类分析已成为对基因表达数据进行挖掘以提取生物医学信息的主要方法.本文提出了基于图论的最小支撑树(Minimum spanning tree,MST)聚类算法,用MST表示多维基因表达数据,可将数据的聚类转换为对最小支撑树的分割,相对于传统聚类方法,最小支撑树算法具有形象直观、对一些准则函数能产生全局最优解等优点;将MST算法分别与Memetic algorithm及人工免疫算法(Artificial immune network,aiNet)相结合,则产生更优化的聚类结果.对酵母基因表达数据的实验结果表明,最小支撑树聚类算法是一种有效的基因表达数据的聚类方法.     

基于Hamming神经网络聚类分析的进化策略

本文提出了一种基于Ｈａｍｍｉｎｇ神经网络聚类分析的进化策略，模糊自适应Ｈａｍｍｉｎｇ神经网络各类族的权重矢量纪录被进化搜索过的区域，并相应妄下该区域内最优个体和它的适应度，因此通过Ｈａｍｍｉｎｇ神经网络对进化个体的聚类分析，进化策略具有搜索记忆性，可以充分保证下一代遗传群体中个体遗传基因的丰富性，从而避免早熟现象的发生，这种进化策略还可以避免在被搜索过的区域内的无用搜索，进而加快进化策略的收敛速度     

A Rework Reduction Mechanism in Complex Projects Using Design Structure Matrix Clustering Methods

To reduce the uncertainty and reworks in complex projects,a novel mechanism is systematically developed in this paper based on two classical design structure matrix(DSM) clustering methods:Loop searching method(LSM) and function searching method(FSM). Specifically,the optimal working areas for the two clustering methods are first obtained quantitatively in terms of non-zero fraction(NZF) and singular value modularity index(SMI),in which the whole working area is divided into six sub-zones. Then,a judgement procedure is proposed for conveniently choosing the optimal DSM clustering method,which makes it easy to determine which DSM clustering method performs better for a given case. Subsequently,a conceptual model is constructed to assist project managers in effectively analyzing the network of projects and greatly reducing reworks in complex projects by defining preventive actions. Finally,the aircraft design process is presented to show how the proposed judgement mechanism can be utilized to reduce the reworks in actual projects.     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。