一种提高802.11无线Ad Hoc网络公平性的新机制-FFMA

实现多个数据流对无线信道的公平共享是802.11无线Ad Hoc网络中的一个重要议题,但802.11DCF机制在无线Ad Hoc网络中存在严重的公平性问题,甚至有可能出现单个节点或数据流独占信道而其他节点和数据流处于"饥饿"状态的情况.论文提出了一种新颖的保证数据流间公平性的MAC层接入机制FFMA(Flow rate-based Fair Medium Access),通过公平调度和公平竞争的方式,FFMA能够在数据流间公平地分配信道带宽资源.仿真结果表明,在无线Ad Hoc网络中,FFMA可以在保证信道吞吐量的前提下取得远优于802.11 DCF的数据流间的公平性.     

移动自组网中一种新颖的基于概率权重的门限签名方案

提出了一种新颖的基于概率权重的门限签名方案.该方案是数字签名与公钥密码体制的有机集成.它在传统的(n, t)门限签名方案的基础上针对不同安全级别的服务节点设置了不同的签名概率权重.因此,该方案增加了网络的抗攻击能力,在一定的条件下还可以实现入侵检测的功能.     

基于影响力与种子扩展的重叠社区发现

社区发现作为复杂社交网络中一个重要的研究方向.针对目前基于种子节点的算法在种子选取与扩展等方面的不足,提出了一种基于影响力与种子扩展的重叠社区发现算法（Influence Seeds Extension Overlapping Community Detection,简称i-SEOCD算法）.首先,利用节点影响力策略找出具有紧密结构的种子社区.其次,从这些种子社区出发,计算社区邻居集节点与社区的相似度,并取出相似度超过设定阈值的节点.然后,采用优化自适应函数的策略来扩展社区.最后,对网络中的自由节点进行社区隶属划分,进而实现了整个网络的重叠社区结构挖掘.在真实社交网络和人工生成网络上实验表明,i-SEOCD算法能够准确、快速地发现复杂网络中的重叠社区结构.     

基于深度学习人工智能辅助诊断慢性病的应用实践

AI医学影像是当前医疗人工智能最为成熟的应用领域之一.随着深度学习技术的发展,AI视网膜慢性病筛查已率先落地应用,并实现商业化.鹰瞳Airdoc基于海量交叉标注的视网膜影像和人工智能技术,研发的人工智能视网膜健康风险评估产品已在全国各地的医院内外等多场景中实现应用.     

无线传感器网络任务分配动态联盟模型与算法研究

为了延长网络生命周期,减少网络能量消耗和均衡网络负载,引入了动态联盟思想,构造了无线传感器网络任务分配的动态联盟模型,继而提出了一种基于离散粒子群优化的任务分配算法.该算法根据任务总完成时间、能量损耗以及网络负载状况,建立代价函数,结合粒子群优化算法,实现优化任务分配策略.引入了变异算子,在很好地保持了种群的多样性的同时提高了算法的全局搜索能力.仿真实验结果表明了该分配算法在局部求解与全局探索之间取得了较好的平衡,能有效减少无线传感器网络的计算时间和网络能耗,并有效地均衡网络负载.     

一种基于LSB序列局部特征的通用隐写检测方法

基于短重码间距统计的隐写检测方法对LSB匹配等隐写技术有良好的检测性能.然而该方法为适应不同的应用场合,需要选择适当的短重码维数.这种一元统计分析方法无法考虑多个特征之间存在的联系,从而影响检测能力.本文分析证明了单个短重码间距统计变量的检测能力规律,给出了可减少检测次数的合理选择短重码维数的方法.基于短重码间距统计特征变量之间的相关性选择特征子集,构造局部特征描述向量,进而提出一种基于LSB序列局部特征的通用隐写检测方法.该方法采用GMM生成模型描述多维局部特征,并基于全局序列词汇设计融合GMM生成模型与SVM判别方法的分类器.实验结果表明:本文方法在有效控制虚警率的前提下,对LSB匹配隐写和LSB替换隐写都有较好的检测性能.