基于无标度网络的车联网连通性研究

移动车辆的连通性是车联网(IoV)的关键指标之一,它会严重影响数据传输的性能.由于车联网的网络拓扑高频动态变化,车辆之间的通信链路容易频繁地断连.如何降低链路建立的随机性和链路断开概率,提高整体网络的连通性一直是急需解决的关键问题.针对上述问题,在视距路径损耗模型和干扰模型下分析网络的连通性,通过对车联网链路在真实世界...     

一种可管理的P2P媒体资源分发系统的设计

为适应海量媒体资源快速分发的要求,设计了一种基于P2P的内容分发系统,描述了系统的体系结构,并对各模块的设计与实现作了阐述.通过引入智能节点管理、CA认证、数字版权管理,解决了传统P2P分发系统中缺乏有效管理的问题,已在CERNET2上进行运营.     

一种适用于无线传感网图像节点单元的彩色图像压缩方法

针对无线传感器网络节点单元的特点,提出了一种适合这种节点单元的高效、低复杂度彩色有损压缩方法,对从图像传感器采集的原始BAYER彩色阵列图像数据进行低通滤波与降采样后,再把数据从RGB空间转换到YCbCr空间,最后利用JPEG算法对该数据进行压缩.试验结果表明该压缩方法与常规先插值后压缩方法以及类似先压缩后插值的压缩方法相比,在低码率条件下有更高的压缩性能和更低的实现复杂度.     

光突发交换边缘节点性能分析及仿真

文章介绍了光突发交换产生的背景、光突发交换网的原理和体系结构以及光突发交换体系中边缘节点的结构.主要采用计算机仿真,仿真工具是OPNET 8.1.A.仿真结果表明:若边缘节点的数据包产生速率恒定,则端到端的延迟比较固定;若边缘节点数据包的发送速率突然增大,端到端的延迟会有一些波动.     

带电粒子在相互垂直的匀强电场和磁场中的运动轨迹

推导出带电粒子在相互垂直的匀强电场和磁场中普遍情况下的运动方程,给出了几种典型情况下的轨迹,并对轨迹的形状和性质,结点的出现进行了讨论.     

链路可靠的无线传感器网络组播路由协议

在无线传感器网络实际应用中,组播正在发挥着越来越重要的作用.但由于能量等多方面的因素,使得为无线传感器网络设计一个有效的组播路由是非常困难的.针对无线传感器网络中节点的能量限制,通过寻求节点间最短路径,提出一种能量有效的链路可靠组播路由协议(RLMR).该协议充分考虑到网络中节点的能耗因素和两节点间的链路可靠性等,通过对这两个因素的综合考虑,让能量较多并且以发送节点更靠近的节点承担更多传输任务的方式,为数据流优化路由选择,均衡无线传感器网络节点的能量消耗,以延长网络的生存时间.仿真结果证明了RLMR的有效性和可靠性.     

节点影响力下的改进SIR传播模型

研究不同影响力的节点在复杂网络信息传播过程中产生的作用，对于分析舆论传播、预防谣言扩散、引导信息传递等方面具有重要意义。针对传统易感-感染-移出（Susceptible-Infected-Recovered，SIR）模型认为网络中所有节点性质相同，在信息传播中具有相同的接触感染率和恢复率的问题，提出了节点影响力下的改进SIR传播模型——NI-SIR（Node Influence SIR），并对其阈值推导过程展开深度分析。首先，将复杂网络中的节点按照影响力的不同进行分类，不同类别的节点赋予其不同的接触感染率及恢复率，达到模拟真实信息传播过程的目的；其次，对NI-SIR模型的阈值进行推导，从而为进一步判断疾病是否流行或信息扩散的趋势打下理论基础；最后，通过在真实数据集的实验对比，证明NI-SIR模型的偏差率明显低于传统SIR模型，在真实网络中有更好的适用性。     

一种适用于Ad Hoc K重组播网络的负载均衡路由算法

Ad Hoc网络是一个多跳的无基础设施网络,本文在分析Ad Hoc网络自身特点的基础上,引入了一种多组播业务并存的K重组播网络,这种网络相对传统的组播网络具有节省系统开销,降低能量消耗的优点.文中对K重组播网络中的节点连接度的不同变化情况进行了理论上的详细研究,并在此基础上设计了一种适用于K重组播网络的负载均衡路由算法.仿真结果表明该路由算法拥塞控制性能良好,并能显著提高组播业务的稳定性.本文提出的这种K重组播网络能够广泛的应用于许多实际通信场合.     

Identifying Important Nodes in Complex Networks Based on Node Propagation Entropy

In recent years, the identification of the essential nodes in complex networks has attracted significant attention because of their theoretical and practical significance in many applications, such as preventing and controlling epidemic diseases and discovering essential proteins. Several importance measures have been proposed from diverse perspectives to identify crucial nodes more accurately. In this paper, we propose a novel importance metric called node propagation entropy, which uses a combination of the clustering coefficients of nodes and the influence of the first- and second-order neighbor numbers on node importance to identify essential nodes from an entropy perspective while considering the local and global information of the network. Furthermore, the susceptible–infected–removed and susceptible–infected–removed–susceptible epidemic models along with the Kendall coefficient are used to reveal the relevant correlations among the various importance measures. The results of experiments conducted on several real networks from different domains show that the proposed metric is more accurate and stable in identifying significant nodes than many existing techniques, including degree centrality, betweenness centrality, closeness centrality, eigenvector centrality, and H-index.