协作D2D异构网络的联合资源分配和功率控制

针对下行协作D2D(Device-to-Device)异构网络中复用蜂窝用户的联合资源分配和功率控制问题，提出了一种量子珊瑚礁优化算法(Quantum Coral Reef Optimization Algorithm,QCROA)。首先，构建异构网络模型并推导得到整个网络总吞吐量的数学表达式；其次，基于QCROA算法分析全局最优量子珊瑚的测量状态，提出最优联合资源分配和功率控制方案；最后，通过仿真验证QCROA算法的优越性。实验结果表明，在不同网络通信场景下，QCROA算法均表现出良好的适应性，其收敛速度和种群多样性均优于其他基于智能优化算法的方案，在迭代次数达到1 500次时即可获得吞吐量最高的全局最优。     

目的国网络嵌入、本土化服务能力与跨境B2C出口企业绩效：海外仓策略的一个理论解释

为探索海外仓情境下跨境B2C出口企业绩效的提升路径，以本土化服务能力为中介解释目的国网络嵌入和企业绩效之间的关系，将目的国网络嵌入区分为知识嵌入、商业嵌入和政治嵌入三个维度，把本土化服务能力区分为本土化物流服务能力、本土化分销服务能力和本土化冲突协调能力三个维度，从而构建了“目的国网络嵌入→本土化服务能力→跨境B2C出口企业绩效”模型。基于PLS-SEM结构方程建模方法对问卷调查数据进行实证分析，研究结果表明：海外仓情境下目的国网络嵌入和本土化服务能力对跨境B2C出口企业绩效都具有显著影响；本土化服务能力在目的国网络嵌入对跨境B2C出口企业绩效的影响路径上具有完全中介作用；知识嵌入仅通过本土化物流服务能力的中介对跨境B2C出口企业绩效产生影响。     

LTE-A中异构网络的切换分析

在传统网络数据流量爆发性增长、频谱效率已接近极限值的形式下,异构组网是增加网络容量、提高数据速率的有效方式。LTE-A系统中异构组网引入低功率节点,缩短了网络与用户间距离,提高了无线链路质量和频谱效率,逐渐成为LTE-A系统中的关键技术之一,但同时也带来复杂的移动性管理等问题。在深入分析3GPP E-UTRA协议规范的基础上,首先建立了LTE-A Macro-Pico异构网络拓扑模型,然后对Macro-to-Pico和Pico-to-Macro双向切换概率进行了分析和仿真。在此基础上,给出了用户及其相关网络参数对于切换成功概率的影响分析。     

一种新颖的面向数据流量特征的片上网络设计

片上网络中处理器核之间、处理器与缓存之间通信具有不同的数据流量特征，因此需要不同的网络带宽和网络拓扑结构。针对上述两种通信流量的差异，设计了一种异构非对称双片上网络，分别用于处理器核之间和处理器与缓存之间的通信，并且每个网络都针对占主导地位的数据流量类型进行了优化。实验结果表明，与传统的单片上网络和同构的双片上网络相比，该设计不仅具有网络延迟低、网络带宽高的优点，而且提升了系统的整体性能。     

网络嵌入对大型复杂产品制造业供应链绩效的影响研究

网络嵌入已经成为影响大型复杂产品制造业供应链绩效的主要因素之一。本文以我国航空制造业供应链为例,在分析网络结构嵌入和关系嵌入维度的基础上,提出供应链网络嵌入与供应链绩效之间关系的研究假设,并构建相应理论模型,通过实证分析来探究供应链网络嵌入对供应链绩效的影响机理。研究结果显示,供应链网络结构嵌入（节点度和中介中心度）和关系嵌入（信任、信息共享和共同解决问题）对大型复杂产品制造业供应链绩效具有显著影响,并且结构嵌入与关系嵌入之间存在理论上的结构关系。     

行星表面有人探索高速无线网络体系架构及关键技术

针对行星表面有人探索任务对高速无线通信的需求，提出了一种基于异构组网思想的网络体系架构，并对关键技术进行了分析和设计。该架构采用“三网两体制”的设计思路，将整个网络分为高速传输网、多媒体接入网、覆盖扩展网三个组成部分，三层网络分别完成高速骨干传输、多节点多业务接入、覆盖范围灵活改变的功能。根据三个网络不同的节点处理能力和传输需要，设计了高速传输体制、灵活接入体制两种传输体制，及基于无线多跳的覆盖扩展技术、多子网通信切换技术、多体制融合技术等关键技术。该网络架构具有裁剪灵活、协议开销小、支持业务类型多等特点。     

采用深度卷积神经网络方法的毫米波图像目标检测

通过收集大量的毫米波图像并建立相应的人体数据集进行检测，提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品。该方法将区域建议网络和VGG19训练卷积神经网络模型相结合，构建了面向毫米波图像目标检测的深度卷积神经网络。为了提高毫米波图像的处理能力，采用Caffe深度学习框架在图形处理单元上进行训练和测试。实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品，并且目标检测的平均准确率约94%，检测速度约为6 frame/s，对毫米波安检系统的智能化发展有着极其重要的参考价值。     

异构网络选择的一种新博弈模型

目前对于异构网络选择问题的研究大多没有充分考虑用户和网络 的相互选择,为此提出一种新的异构网络选择博弈模型,通过用户与网络相互选择得到该 博弈的稳定匹配。算 法性能分析与仿真验证表明,该模型相对于用户决策模型提高了网络满意度,相对于网络决 策模型提高了用户满意度,即最终用户与网络得到了双赢。     

基于跨国并购的创新网络嵌入、网络异质性与创新质量研究

区别于现有研究通常将跨国并购视为一个“事件”研究其对并购企业技术创新的影响，基于创新网络视角，文章采用中国上市公司数据，通过关系嵌入和结构嵌入两个维度探讨基于跨国并购的国外创新网络对创新质量的影响机制。研究发现，通过跨国并购嵌入创新网络的直接联系促进了创新质量提升，间接联系和结构洞对创新质量产生了显著的抑制效应。网络异质性对基于跨国并购的创新网络嵌入与创新质量具有倒U型调节作用，在网络异质适度阶段，网络异质性正向调节基于跨国并购的创新网络嵌入的创新质量效应，在网络异质过度阶段，网络异质性具有负向调节效应。研究发现为新兴经济体企业实施跨国并购，有效嵌入国外创新网络，配置创新资源，提升创新质量，提供了有价值的参考。     

异构云无线接入网场景下D2D通信资源共享与分配

针对异构云无线接入网中的前向链路受限问题，提出了一种基于干扰阈值的设备到设备（Device-to-Device，D2D）多用户分簇方案，并对系统信道和功率资源的分配进行优化。首先根据D2D用户之间的干扰级别，利用着色图理论对多用户进行分簇；然后，在满足D2D用户和蜂窝用户服务质量约束下，建立了基于D2D用户和速率最大化的资源分配模型，并进一步采用二分法对已分簇的D2D用户进行功率优化分配。仿真实验结果验证了所提方案相比传统方案，系统频谱利用率提高了55%以上。     

一种基于主-备份节点同步映射的VNF热备份机制

网络功能虚拟化实现了网络功能与专属硬件平台的分离，虚拟网络功能（Virtual Network Function,VNF）通过动态组合形成服务功能链，实现同一硬件平台部署不同的功能服务。针对软件定义网络功能服务可靠性和物理网络资源效率问题，提出了一种基于主备份节点同步映射的VNF节点热备份机制。首先，选择满足节点资源约束的物理节点为主备份节点候选映射对；然后，选择满足带宽约束的最短物理链路为服务路径，实现节点与链路资源总开销的优化。实验结果表明，与传统的备份机制相比，该方法能够满足电信级高可靠性的服务需求，降低了VNF节点备份资源总开销，提高了服务请求的接受率和底层物理网络资源的利用率。     

物流配送网络节点服务客户饱和度模型构建

对于第三方物流企业而言,物流服务的质量与其构建的物流服务网络密不可分。由于配送中心服务质量的信息会在客户网络之间进行传播,良好的服务口碑能够提高客户对企业提供的物流配送服务的认同度,从而吸引更多客户选择该企业。但当整个网络中的客户达到一定规模时,物流企业需要扩大自己的物流实体网络,即需要新建配送中心以满足客户要求。物流配送网络配送节点服务客户的饱和度受到服务质量传播率、网络规模及网络类型的影响,随着传播率和网络节点平均度数的增加,配送节点服务客户的饱和度也会增加。     

空中异构战术网络IP通信架构及协议开销分析

空中异构战术无线网络由多种不同类型的无线数据链网络构成,IP通信技术可有效解决空中平台异构无线网络的互联互通问题。给出了空中异构战术无线网络模型,并根据不同类型的无线数据链网络特点,分析了端到端通信协议栈关系以及不同无线数据链网络间协议转换与适配方式。探讨了网络静态和动态IP地址分配方法以及网络的路由架构与寻址方式,提出了不同无线数据链网络间IP报文传输的打包方式。对传输的开销性能仿真对比分析表明,基于通用成帧协议的打包方式的协议开销性能较优。     

基于改进AlexNet卷积神经网络的人脸表情识别

为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题，提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构，采用单图形处理单元（Graphics Processing Unit，GPU）进行训练，减少了两层卷积层和一层全连接层，在每层卷积层后加上批标准化（Batch Normalization，BN）代替原来的局部归一化，并在全连接层后加上Dropout正则化进一步防止过拟合。与AlexNet模型相比，改进的网络结构更简单、复杂度低、参数量少，可以节省大量模型训练时间进行快速预测，且更不易过拟合，同时加快了模型收敛速度，提高了网络泛化能力。在Fer2013数据集以及CK+数据集上进行实验，结果表明，所提方法分别得到了68.85%和97.46%的识别率，较其他人脸表情识别方法的识别率有一定提高。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

考虑通信质量的网络最小主控集生成算法

无人移动平台无线ad hoc网络在实际应用中经常会出现由于电磁环境、干扰等因素导致通信质量不稳定的情况，在上述条件下传统的基于节点覆盖度的最小主控集（MCS）生成算法难以获得具有较好稳定性、健壮性的最小主控集。为此，提出了一种考虑通信质量的网络最小主控集生成算法，将链路的通信质量纳入网络最小主控集构造的考虑因素，使网络拓扑与链路通信质量特性保持一致；并通过对候选节点集及拟覆盖节点集的压缩，有效控制了网络最小主控集的节点数目。仿真表明,对敏感于通信质量的应用,该算法较基于节点覆盖度算法能取得更好效果。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m