基于OpenFlow网络的流媒体传输QoS的研究与设计

Open Flow是软件定义网络(Software Definded Network,SDN)的产物,是一种新型的网络结构,且发展十分迅速。但Open Flow网络的Qo S功能仍待优化,针对于Open Flow网络中流媒体传输Qo S的不足,在现有网络Qo S模式基础上提出了Open Qo S,它应用于Open Flow网络的控制器上,采用动态路由的方式,使得流媒体在网络端到端传输时,能够根据网络状况,动态改变路由路径,进而提高网络Qo S。最后,通过一个小的拓扑网络对本研究进行了试验验证。     

全运村高清数字电视服务平台设计与应用

本文简要介绍了建设全运村高清数字电视平台的具体思路,以平台的实际需求为出发点,从组成结构、设计原则、设备配置和业务规划等方面,阐述了全运村高清数字电视平台的建设特点,从信源接收、转码以及复用加扰等多个方面探讨了平台的升级扩容能力,以及整个平台备份机制的实现和监控系统的组成,并介绍了系统的推广应用情况。     

本科编程类课程教学改革探讨

本文针对本科编程类课程综合性、系统性较强,知识点连贯的特点,结合"EDA技术与PLD设计"课程开展项目研究式教学法和多因子加权考核法的教学改革研究,其结果能实现全方位、多角度、全过程的考核学生的学习状况,可提高学生学习的主动性和授课效果。     

基于路径稳定性的MAODV路由协议的改进

在Ad Hoc网络中,节点随意快速的移动通常会造成网络拓扑结构的剧烈变化,可能导致传输链路断裂和路径的不稳定。针对这种情况,在分析现有MAODV路由改进技术的基础上,提出了一种改进的、基于路径稳定性的路由协议(RS-MAODV)。新协议与MAODV不同的地方在于:考虑构成路径的链路间的相关性,选择最稳定的路由进行数据传输,以此改善网络性能。利用NS2仿真工具对改进前后网络的丢包率及端到端延迟参数做比较,实验数据表明,改进后协议的网络丢包率及端到端延迟均得到改善。     

基于CPS的建筑环境数据级检测融合方法

针对建筑环境CPS数据级融合可靠性的问题,采用线性最小方差估计的方法对传统自适应加权融合算法进行改进,不仅减小了均方误差,而且使得融合结果可靠性更高。在数据融合前进行限幅处理,判断数据是否异常,对异常数据的加权因子进行配置处理,既提高了数据的筛选性,又保证了系统数据融合结果的可靠性。仿真实验表明了该方法的有效性。     

基于加权模糊C均值算法改进的高光谱图像分类方案设计

为了有效改善高光谱图像数据分类的精确度,减少对大数目数据集的依赖,在原型空间特征提取方法的基础上提出一种基于加权模糊C均值算法改进型原型空间特征提取方案。该方案通过加权模糊 C 均值算法对每个特征施加不同的权重,从而保证提取后的特征含有较高的信息量。实验结果表明,与业内公认的原型空间提取算法相比 该方案在相对较小的数据集下,其性能仍具有较为理想的稳定性,且具有相对较高的分类精度,这样子就大大降低了对数据集样本数量的依赖性,同时改善了原型空间特征方法的效率。     

三网融合模式下全链路双备份路由

在三网融合模式下,利用全链路双备份路由方式,让用户体验到全年几乎零故障率的网络服务质量,并使得运行维护方面可以有充分的时间做出更合理、更优质的网络。介绍全链路双备份路由的具体构成。     

一种唯相位加权降低天线副瓣技术研究

通过分析几种优化阵列副瓣算法的特点,提出将差分进化算法与模拟退火方法相结合的方法,实现了唯相位加权降低阵列天线副瓣。采用快速傅里叶变换法提高计算阵列天线方向图的效率。为了证明该方法的有效性,给出了40×40均匀阵列的唯相位加权低副瓣优化结果,阵列天线副瓣唯相位加权优化后达到了-22.13 d B。     

基于最小均方误差选择参考节点的RSS测距定位算法

无线传感网中的多类应用均需要准确的定位算法.为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,并建立相应的方程,再利用线性最小二乘LLS(Linear Least Squares)法求解节点的位置,将此定位算法记为RSS+LLS算法.RSS+LLS算法随机选择参考节点,这有损定位精度,同时,LLS算法并没有考虑每个测距值的误差,这些不足降低算法的定位性能.为此,提出基于RSS+LLS的优化算法,记为RSS+WLS+OPT算法.该算法先通过RSS测距,并基于最小均方误差原则选择参考节点,从而提高定位精度,同时,给每个测距值引入权重系数,采用基于协方差矩阵的加权最小二乘法WLS(Weighted Least Squares)求解节点位置,进而降低了测量误差对定位精度的影响.仿真结果表明,与RSS+ LLS相比,提出的RSS+WLS+OPT算法的定位精度提高了约2米,并没有增加计算时间,降低对测距误差的敏感性.     

网络入侵检测系统中的漂移检测

目前基于机器学习的入侵检测系统大都建立在入侵数据始终保持统计平稳的假设之上,无法应对攻击者有意改变数据特性或新型攻击方式的出现,而导致的检测率下降的状况.对于上述问题,即攻击漂移,提出了加权Rényi距离的检测方法.在KDD Cup99数据集上的实验证明,Rényi距离可以有效地增强检测效果;在检测到漂移后,通过重新训练模型可以使得对攻击的识别率显著提高.