【摘 要】
：
机会网络是一种源节点与目的节点之间不存在端到端链路,通过节点之间的相遇机会实现通信的间歇性网络,采用“存储-携带-转发”的路由模式工作。在由人主导的机会网络中,节点具有社会性。现有的基于节点社会性的机会网络路由策略未考虑节点移动的社会特性对消息传输的影响,针对该问题,本文提出了基于中继节点协作的机会网络路由策略（Opportunistic Network Routing Strategy Base
论文部分内容阅读
机会网络是一种源节点与目的节点之间不存在端到端链路,通过节点之间的相遇机会实现通信的间歇性网络,采用“存储-携带-转发”的路由模式工作。在由人主导的机会网络中,节点具有社会性。现有的基于节点社会性的机会网络路由策略未考虑节点移动的社会特性对消息传输的影响,针对该问题,本文提出了基于中继节点协作的机会网络路由策略（Opportunistic Network Routing Strategy Based on Relay Node Collaboration,BRCR）。路由策略中固定中继节点（Fixed Relay Node,FR）的数量和位置会影响路由策略的性能,为了进一步提升路由性能,本文提出了基于BRCR和遗传算法的FR节点部署策略（FR Node Deployment Strategy Based on BRCR and Genetic Algorithm,BBGFD）。主要研究内容组织如下:（1）分析了由人主导的机会网络中节点移动的社会特性对消息传输的影响。通过在网络中引入缓存资源充足、健壮性较强的固定中继节点和移动中继节点辅助普通节点通信,提出了基于中继节点协作的机会网络路由策略。该策略在消息的源节点与目的节点之间建立了相对稳定的通信链路,通过普通节点与中继节点相互协作实现消息的高效传输。仿真实验表明,该路由策略具有较好的消息传输效率。（2）为了提升BRCR路由策略的性能,针对FR节点部署问题,本文提出了基于BRCR和遗传算法的FR节点部署策略。在该部署策略中,将网络中的热点区域编码成染色体,以网络有效性作为个体的适应度评价指标,通过遗传算法迭代,最终获取一种FR节点数量较少、网络性能较优的FR节点部署方案。仿真实验表明,该部署策略不仅在网络中部署了较少的FR节点,而且有效提升了BRCR路由策略的性能。
其他文献
在自然语言文本中存在着大量的因果关系,因果关系挖掘任务在信息抽取、关系推理以及事件预测等研究领域都起着至关重要的作用。随着深度学习的崛起,因果关系研究已从传统的模板匹配和机器学习方法,发展为训练神经网络实现抽取,不仅可以识别因果语句,还可以通过序列标注方法获取文本中的因果关系对,并且深度学习技术训练的神经网络模型可以显著地提升抽取准确率。同时,通过序列标注得到的因果关系可以更好地用于构建因果关系网
水平基因转移是基因在亲缘关系较远或无亲缘关系的物种之间的横向移动,是物种进化中经常出现的一种网状进化现象。系统发生网络是一种网状结构,可用于表示物种间的网状进化关系。构建系统发生网络是识别水平基因转移事件的重要方法之一。本文重点研究了基于系统发生网络的水平基因转移事件的识别方法,具体工作如下:（1）深入研究了系统发生网络构建过程中使用的最大简约准则。现有的最大简约准则（Maximum Parsim
在线公交车乘客数信息不仅可以提升城市公共交通的服务质量,还可以优化乘客的出行计划。WiFi嗅探以非侵入的方式收集移动设备发出的探测请求帧,所以可以被用来监测公交车乘客数。与其它基于非WiFi嗅探的方法相比,基于WiFi嗅探的方法具有干扰小、覆盖范围大、成本低和计算简单等优点。近几年以来,研究人员提出了一些离线场景下的基于WiFi嗅探的估计方法对公交车乘客数和源点终点（Origin-Destinat
面部表情包含着丰富的情感信息,是人与计算机交互的重要途径,具有十分广阔的应用前景。人脸表情识别（facial expression recognition,FER）随着深度学习在人工智能领域的快速发展,也获得了显著的进步。目前人脸表情识别的研究主要集中在数据集的收集整理,网络模型和损失函数的改进三个方面。大多数人脸表情识别研究都面临表情识别数据集中广泛存在的标注不一致问题。原因是不同的标注者的主观
传统的显著性目标检测方式依赖领域专家提供先验知识人工提取特征,基于深度学习的显著性目标检测方式相较于传统检测方式可以自动学习多尺度特征,具有省时省力的特点。但是在受限存储设备下仍存在模型过大导致部署不便,模型训练周期较长、检测的实时性有待提高,复杂背景下模型对于显著性目标的定位不准确、边缘模糊等问题。因此如何以更低的时间和空间复杂度,高效且准确的定位分割出显著性目标物体成为显著性检测研究中极具挑战
随着智媒时代来临,媒体智能化已逐渐成为媒体发展的主导性趋势,新闻媒体的业态版图正处于不断升级和改写的革新历程中,以AI合成主播为代表的人工智能技术被运用于新闻内容生产和传播,给新闻生产领域带来重构和优化。但是内蒙古地区蒙汉媒体与人工智能技术相结合起步较晚,AI合成主播研究仍处于初级阶段。本文研究的蒙古语AI合成主播,将提高蒙古语新闻的生产效率,降低新闻的生产成本,推动蒙汉新媒体技术的发展,加强蒙古
目前,基于神经网络的机器翻译模型在不同语言的翻译任务上取得了不错的成绩。然而像蒙古语这样的语言却因为平行语料较少,翻译质量难以进一步提升。虽然迁移学习借助高资源语言可以提升低资源语言的翻译质量,但是参数如何选取直接制约着翻译性能的提升。因此本文提出元学习框架下情景级蒙汉机器翻译模型,通过对多语言学习一个泛化性能较优的元参数用于初始化蒙汉机器翻译模型。为了避免语言差异影响元参数的泛化性,本文将多语言
语音合成技术是人机交互中重要环节之一,是一种将文字内容转换为与之对应的语音信息的技术。随着深度学习技术的快速发展,目前已有很多可以合成高质量的中性语音的方法。为了让合成语音更加拟人化,越来越多的研究员对如何合成富有情感表现力的语音展开了研究。近年来,随着蒙古语智能信息处理技术的快速发展,基于端到端的蒙古语中性语音合成技术已经达到了实际应用水平。但是蒙古语情感语音合成的研究仍处于起步阶段,蒙古语情感
随着社会发展速度的不断加快,我们面临的挑战也在逐渐升级,仅依靠自身力量难以应对越来越多样化和迅速化的任务需求,团队合作方式逐渐成为解决复杂任务的主流方式。如何形成一个可以完成复杂任务的高效率、高质量团队是一个极具挑战性的问题。近年来,团队形成问题已经得到了广泛研究,研究方法主要分为两大类,一类是基于集合覆盖、任务分配的团队形成方法,一类是基于社会网络的团队形成方法。一个项目或者任务的成功不仅依赖于
随着计算机技术在医疗领域的广泛应用与快速普及,无论是健康体检还是患者就医都会产生大量的医疗数据。为了挖掘这些数据中蕴藏的信息,医疗数据挖掘技术应运而生。然而,目前医疗数据分析领域中仍然存在着挖掘算法效率低、精度差等问题。产生这些问题的主要原因在于部分挖掘算法未能考虑疾病的潜在致病因素,从而导致分析结果中存在大量冗余信息。因此,本论文通过加权关联规则技术高效地挖掘疾病及其致病因素间存在的强相关性医疗