【摘 要】
：
通过分析校园师生基于GPS的真实活动轨迹,以及何种算法才最适合具有自私性的移动用户展开合作,提出一种高能效及用户公平定位技术。通过采用代理设备合作思想,提出一种集中式最优算法,在保证固定精度界限和设备公平的基础上,实现移动设备GPS时间平均功率最小化。通过控制退避时间和GPS关闭时间,提出一种分布式准最优算法。最后,基于多种拓扑结构进行全面的仿真实验,验证了算法的高能效性和公平性。
【基金项目】
：
国家自然科学基金资助项目（61272333）, 河南省科技攻关计划项目（122102210429）, 河南省科技厅重点科技攻关项目（132102210415）
论文部分内容阅读
通过分析校园师生基于GPS的真实活动轨迹,以及何种算法才最适合具有自私性的移动用户展开合作,提出一种高能效及用户公平定位技术。通过采用代理设备合作思想,提出一种集中式最优算法,在保证固定精度界限和设备公平的基础上,实现移动设备GPS时间平均功率最小化。通过控制退避时间和GPS关闭时间,提出一种分布式准最优算法。最后,基于多种拓扑结构进行全面的仿真实验,验证了算法的高能效性和公平性。
其他文献
本文报告用２５９６ＭＢｑ－３７００ＭＢｑ（８０－１００ｍｃｉ）<sup>１３１</sup>Ｉ对６５例分化型甲状腺癌患者术后剩余甲状腺的去除效果，资料表明：所用<sup>１３１</sup>Ｉ量对剩余甲状腺去除效果较好（７０．８％）；患者无严重副反应与骨髓抑制现象。术后剩余甲状
7例急性砷中毒中,发生阵发性室速1例、窦速2例、窦缓1例、广泛心肌缺血2例。提示砷对心脏的损害并非少见。临床应用巯黄类化合物解毒的同时,应加用营养心肌药物和抗心律失常
针对容迟与容断网络中的单播通信问题,提出了一种自适应感知路由协议(adaptive context aware routing protocol,ACRP);并引入卡尔曼滤波理论,给出最优的消息轮渡节点选取策略。仿真实验表明,与常见的单副本拷贝或多副本拷贝协议相比,提出的面向情境感知的自适应路由协议拥有更好的传输性能和稳定性。
如何合理地分配云计算资源一直都是研究的热点。建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高。通过在Cloud Sim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力。
P2P中基于DHT的路由算法不支持范围查询,因此对高维数据查询的支持不是很好。当前P2P处理高维数据的主流方法是降维和空间填充技术,但两者均有很明显的缺点。针对这些问题,提出一种将树型结构——Baton树应用于高维数据检索的方法,操作简单,无须降维,且支持范围查询。经过实验证明,查询的时间复杂度达到O(log2n),与Baton树在检索一维数据时的效率相同。树型结构可以增加子节点数量,通过增加扇出
互联网开放平台提供的用户信息授权服务得到了广泛应用,但其在满足第三方网站的数据挖掘需求时往往将用户隐私信息交由多方存储,因而加重用户隐私滥用与泄露风险。针对这一问题,提出了一种开放平台与网站间的分布式关联规则挖掘算法,算法无须可信第三方参与,双方各自依据挖掘条件生成以频繁-1项集编号、用户身份标志符为行、列标记的布尔型矩阵,由开放平台进行矩阵扰动和整合,再由网站在整合矩阵上挖掘全局关联规则。实验证
生物信息学、社会网络、Web分析等方面的发展积累了大量的复杂网络数据信息,在对这些复杂网络进行社群检测时,往往会将一些节点归类于多个社群,目前已经提出了一些处理此类问题的算法(如LFK、GCE等),然而这类算法对局部扩充函数中参数α的选取过程复杂,无法一次性获取最优α,直接影响到了算法的可应用性。针对该缺点,提出了一种基于局部扩展的重叠社群检测的改进算法。该算法通过将α参数考虑进社群的成长过程中,
在多目标跟踪领域,多个相似目标间相互遮挡时易产生误跟踪、漏跟踪等问题。针对上述问题,通过引入语言学中的基础颜色及自适应尺度因子来解决。采用颜色命名过程及主成分分析法提取目标基础颜色特征,准确区分相似目标;同时引入自适应尺度因子,自动改变目标尺度,减少因尺度变化而引入的干扰信息,增强目标外观模型的鲁棒性。基于以上两点,在SPOT(structure preserving object trackin
针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点,将局部多模型方法与MapReduce编程模式相结合,提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成,首先按照输入样本集对样本数据进行聚类操作,再对聚类后得到的子类按输出样本集进行二次聚类操作,分别得到局部模型数目和各局部模型综合加权输出计算结果。实验结果表明,并行最小二乘支持向量机回归模型具有较好的加速比
最大积实例包括最大可能解释(MPE)和最大后验估计(MAP),它们是贝叶斯网络的基本问题。针对经典算法求最大积实例的时间复杂度高,提出新算法来求解该问题。该算法将求贝叶斯网络的最大积实例问题转变成一组一元一次方程,而一元一次方程很容易求解;通过临时表来缓存计算最大积概率时的中间结果,而这些临时表可以用来优化计算最大积实例而不需要过多的额外空间开销,并能够在贝叶斯查询之间共享。通过实验证实该算法计算