3D-RABLC：一种基于LQI置信度的三维空间定位求精算法

提出一种基于LQI置信度的三维空间定位求精算法(3D-RABLC)。通过大量节点实验,获得节点间一跳RSSI值与距离的关系、LQI与分组错误率的关系,依此划分LQI置信度,对测得的RSSI值进行过滤,建立三维多跳求精模型或弥补求精方法对置信度低的RSSI值进行修正。节点实验表明,该算法大大降低了RSSI测距误差,比已有三维定位算法具有更好的定位精度。     

基于加权Word2Vec和TextCNN的新闻文本分类

随着网络和各类社交媒体的盛行,越来越多的文本信息通过互联网呈现在人们面前。对于海量的文本数据,自然语言处理技术变得越来越实用,新闻文本分类便是其中一项重要的任务,其对制定新闻检索策略、新闻推荐、社会舆情监控等具有积极作用。文章通过分析文本表示模型与分类模型的研究现状,提出一种基于加权Word2Vec和TextCNN的新闻文本分类方法,在新闻文本多分类数据上进行实验。从实验结果上来看,在文本表示模型中,该文方法比TF-IDF模型、Word2Vec模型以及随机词嵌入模型在精确率、召回率和F1值上均有提高;在文本分类模型中,文章使用的TextCNN模型要比传统的机器学习模型以及循环神经网络模型在分类效果以及模型性能方面表现更出色。     

港口危险货物安全监管系统的设计与实现

随着科技的进步,以及各国实体经济的快速发展,港口进出口贸易越来越带动沿海沿江城市的经济发展,传统的人工操作难免存在"人情"现象。该系统实现了港口危险货物的信息化管理,以及信息化审核,使得港口危险货物的出入港,危险品种类、港口泊位等均能实现信息化管理,以及信息化共享。系统采用面向对象的设计方法实现基于MVC模式的B/S(Browser/Server)架构的Web应用系统开发,结合SSM(Spring SpringMVCMyBatis)框架完成整个系统的设计与实现。通过对系统功能的实现,有效解决了港口信息管理的缺陷,以及"信息孤岛"等问题。使港口工作得到有效提高。与此同时本系统具有良好的可扩展性和跨平台的通用性,为后续开发也留出了相当大的开发空间。     

基于深度卷积神经网络的多节点间链路预测方法

目前,链路预测的研究主要针对拓扑结构变化缓慢的社交网络,集中在单节点对的链路预测.本文针对拓扑变化频繁的机会网络,提出一种基于模式分类的多节点间链路预测方法.该方法基于混沌时间序列理论确定机会网络的切片时间,采用状态图表征网络的拓扑结构,借助深度卷积神经网络在特征提取上的优势,从状态图的演化过程中提取机会网络的结构特征,根据当前特征推断未来链路的演化模式,实现多节点间的链路预测.在ITC（Imote-Traces-Cambridge）真实数据集上的实验结果表明,相比于基于CN（Common Neighbor）、AA（Adamic-Adar）、Katz等预测方法,本文方法具有更好的精度和稳定性.     

综合交通运输运行协调和应急指挥系统的设计与实现

为满足交通运输应急指挥中心信息化的需求,开发一款管理软件——综合交通运输运行协调和应急指挥系统。系统旨在为公众出行、企业运营、政府管理决策提供支持,为缓解拥堵、提高交通运行效率和安全水平提供支撑。系统在设计上解决了两个问题:道路调度和应急指挥。系统基于B/S(Browser/Server)结构,采用SSM(Spring,SpringMVC,Mybatis)框架,并使用Maven对项目进行管理;前端使用EasyUI、HighCharts、CKEditor、CKFinder等框架和库,与数据库的交互使用MyBatis逆向工程技术;后台数据库采用MySQL数据库。该系统实现了小组管理、人员分配、任务下达和报告反馈等几个主要功能,完成了应急指挥业务;根据车流密度、天气因素、路段长度、事故因素等采用Floyd算法进行路段调度。综合交通运输运行协调和应急指挥系统基本解决了道路调度和应急指挥两大主要问题,为应急指挥中心提供了一个有效的解决方案。     

基于SSM的交通政务管理系统的设计与实现

随着经济的高速发展,道路上的车辆越来越多。同时,在当代社会网络的技术水平不断发展的前提下,人们对于政府信息服务提出了更高的要求,这就要求政府能够通过网络共享的方式来提高信息共享的效率。文章详细介绍了基于SSM的交通政务管理系统的设计与实现。项目运用SSM(SpringMVC+Spring+MyBatis)框架来开发基于网络上的B/S架构的交通政务管理系统。系统主要实现了政务信息的提交、审核及公开发布,用户的留言、办公人员对留言的回复及审核等功能。系统的主旨就是为了增强交通政府部门与用户之间的交流和加强政府内部进行信息管理、信息交互以及相互之间进行交流等活动。     

无感知分组丢失下的无线传感器网络链路质量评估模型

针对现有链路质量评估方法没有考虑到不完整分组对链路产生的影响,将无线传感器网络的链路分组丢失分为感知分组丢失和无感知分组丢失,分析了无感知分组丢失产生的原因,在对无感知分组丢失进行度量的基础上,提出一种无感知分组丢失下的链路质量评估模型。该模型采用卡尔曼滤波对获取的CCI进行降噪处理,基于Cubic模型、最小二乘法拟合出CCI与无感知分组丢失率的关系模型。实验结果表明,无感知分组丢失下的链路质量评估模型是合理的,通过该模型求得的无感知分组丢失率与实测值接近。     

基于时空卷积的机会网络拓扑预测

机会网络拓扑的高动态性导致其拓扑预测极具挑战。现有拓扑预测方法主要关注网络长期时空依赖，忽视了短期时空特征。综合考虑机会网络长短期时空依赖关系，提出一种基于动态时间规整算法与时空卷积的机会网络拓扑预测方法（DTW-STC）。基于动态时间规整算法确定切片时长，将机会网络切分为快照，用快照的链路状态矩阵表征其拓扑信息；采用时序卷积神经网络获取短期时序特征，结合网络变化构建时空图表征短期时空关系，利用图卷积运算提取网络的短期时空特征，经过多次卷积的堆叠，得到网络长短期时空特征；基于自编码器结构实现向量空间切换，预测下一时刻网络拓扑。3个真实机会网络数据集ITC、MIT以及Asturias-er上的实验结果表明，DTW-STC方法的预测性能优于基线方法。