7篇关于网络优化的计算机毕业论文

今天分享的是关于网络优化的7篇计算机毕业论文范文, 如果你的论文涉及到网络优化等主题,本文能够帮助到你

移动网络优化中心综合管理平台的设计与实现

这是一篇关于基站管理,ArcGIS,工作流,网络优化的论文, 主要内容为移动通信由于其特有的行业特点,急需采用信息化的手段来进行业务流转。目前为止,国内的大多数移动通信资源机构已具有一定的信息化建设经验与成果,但仍存在一定的问题。目前沈阳移动公司的移动网络站址管理、站号分配管理、计费申请、传输申请等业务流程操作过程基本还是人工和简单信息化的状况,无法形成完整的业务流程处理过程,致使工作效率相对偏低,给用户和工作人员带来诸多不便。如何提高业务效率并形成有效地监控、监管过程,构建完整的流程信息化移动网络优化中心综合管理平台就成为当务之急。本文设计实现的平台可以很好的解决这些问题,并在移动通信领域中具有实际意义和重要作用。该平台的建设将基于保护原有系统投资的原则上,通过继承、改造、共享、融入新功能等方式,实现统一管理,提高信息的精准性、实用性,达到信息共享的目的,并使得信息的获取更加方便、及时、准确。该平台将遵循移动网络信息化建设的要求和规则,建设一个符合当前移动网络优化处理需要,并且实用、高效的信息系统。该平台的主要功能是通过采用工作流技术及GIS技术,并将两者相结合,从而实现统一、完整、智能化的移动网络优化管理。通过GIS技术来展现直观的基站位置、属性等信息,为基站的优化配置管理提供一个基础平台;通过将基站管理工作流程化,实现基站管理的智能化,从而可以实时监管、监督基站的建设任务,提高工作的效率。最后,该平台还具有加班管理,车辆管理等功能。本文首先对该平台的相关技术进行了介绍并做出了详细的需求分析。然后,从分层和分模块两个角度来对系统进行设计,阐述了该平台的整体架构思想。之后根据设计对系统的各个层以及功能模块一一实现,给出了基本流程。通过对系统主要功能的单元测试与功能测试,评估了系统的性能和可用性。最后总结了系统的特点,指出了下一步的工作方向。

面向配电网的场域网拓扑结构弹性评估与优化方法研究

这是一篇关于场域网,弹性,评估模型,复杂网络,网络优化的论文, 主要内容为随着物联网与智能电网的深度融合,设备之间实现了智能互联和数据共享,电网的智能化和高效化程度不断提升,信息网在其中的作用也愈加重要。场域网(Field Area Network,FAN)作为配电网的信息网中的重要组成部分,其安全稳定地运行是智能配电网快速发展的关键基础。作为具备双向、实时、高速通信能力的网络,场域网在很大程度上决定了智能配电网系统的性能优劣。因此,对场域网的弹性进行量化评估和分析,优化其网络结构以提高应对扰动的鲁棒性,保证其安全稳定运行,是当前亟需解决的关键问题。针对以上问题,本文主要从以下三个方面进行研究:(1)针对网络弹性评估问题,提出了一种面向配电网的场域网弹性表征和评估模型。首先充分考虑了FAN网络具有多种传输介质、多种节点类型和特殊的网络结构等特点,利用图论和复杂系统理论构建了FAN网络模型。然后,从网络连通性、鲁棒性和冗余性三个方面定义了可量化的弹性表征指标,并通过三个弹性指标的加权和计算了网络总弹性。仿真结果表明,该模型能较好地描述网络弹性性能和拓扑结构变化,反映网络中的弹性薄弱点,并在有效性和通用性方面表现良好,为后续分析FAN网络结构的合理性,优化网络结构提供了必要的理论基础。(2)针对网络优化问题,提出了基于粒子群与遗传算法结合的场域网拓扑优化方法。首先分析了FAN在恶意攻击下的脆弱性以及崩解机理,影响鲁棒性提升的因素,以及网络鲁棒性优化需要满足的约束,然后建立了一个网络拓扑鲁棒性最优化模型,最后通过对粒子群算法进行改进,与遗传算法进行结合,利用改进后的算法得到最优边集添加方案。仿真结果表明,该方法能有效地提高网络鲁棒性,并且在保持优化效果高于其他算法的同时,所加的优化边的数量也少于其他算法,为网络结构的优化提供了一定的指导。(3)为了更有效地管理和评估FAN网络,衡量评估节点动态自愈性以及FAN网络的各种性能,设计并实现了基于Net Logo的场域网可视化仿真平台。首先基于实际的参数对多模异构FAN网络进行建模。然后设计了网络实时评估模块,在弹性评估模型的基础上增加了网络的实时性能评估参数,包括健康度、可信度、吞吐量、弹性、可持续性和包容性等。最后设计了模拟攻击模块,可实现攻击指定的节点及链路、随机攻击和恶意攻击等多种攻击模式,并且能够实时显示攻击后的网络拓扑变化以及性能参数的变化。

考虑承载能力的跨境电商物流网络优化及应用研究

这是一篇关于跨境电商,物流网络,承载能力,网络优化,蚁群算法的论文, 主要内容为随着互联网的快速发展,在线购买和在线交易在生活中越来越常见,大量电商平台应运而生。国内电商业务体系逐渐完善,各平台之间的竞争也越发激烈,诸多电商企业将视野转向争夺海外市场份额。近些年中国政府提出“一带一路”的经济发展政策,也促使着跨境电商逐渐成为各大电商平台下一个主要发展的领域。由于跨境电商业务量的增加也带动了跨境物流业务的发展,因此在跨境电商背景下研究物流网络的相关问题近年来逐渐被很多学者关注,并且跨境物流网路的承载能力对于网络的性能和服务能力起到至关重要的作用,决定着一个物流网络是否能够正常运转,所以在考虑承载能力的情况下来对跨境电商物流网络进行优化是十分必要的。在近些年来,跨境电商物流一直是很多学者们研究的方向,虽然对于跨境电商物流的研究多数停留在理论分析的阶段,但也对研究跨境电商物流提供了坚实的理论基础和优劣分析。本文针对跨境电商物流网络的承载能力的基础上来研究跨境电商物流网络优化,为跨境电商的发展给出更具有重要的理论和实际意义的结果。本文主要完成了以下研究工作:(1)研究跨境电商物流网络的承载能力,认为其由枢纽的作业量、联接线路通过量和各种线路的运输量组成,并且采用量纲归一化处理的方法引入标准的载运单元,完成各种不同运输方式的相互转化,并且可以将整个网络的量进行统一的研究,建立物流网络承载能力度量模型,为跨境电商物流网络的承载能力研究打下基础;(2)在物流网络承载能力度量模型的基础上,对跨境电商物流网络所存在的影响因素进行分析,考虑枢纽作业能力约束、联接线路约束和能源供给约束这三方面约束对跨境电商物流网络承载能力的影响,建立跨境电商物流网络的优化模型,以固定成本、运输成本和库存成本来建立跨境电商物流网络优化的目标函数,并采用蚁群算法对模型求解,确定最佳的物流网络;(3)面向实际的运输配送企业,将本文建立的考虑承载能力的跨境电商物流网络优化模型应用到企业中,并获得最优的配送方案,证明文章提出的方法可行。研究表明,本文提出的考虑承载能力的跨境电商物流网络优化方法,可以为跨境电商物流网络所存在问题的解决给出参考和借鉴。

基于YOLOv5和DeepSORT的安防场景行人重识别方法研究

这是一篇关于目标检测,目标跟踪,行人重识别,遗传算法,网络优化的论文, 主要内容为行人重识别是指从不同的视角、不同的摄像机镜头、不同的角度对同一个人的身份进行确认和检测。目前,行人重识别的相关研究以图像检索为主,直接面向监控视频的行人重识别方法还较为匮乏,但随着视频监控设备的普及与监控系统的广泛应用,对重识别方法的准确性和实时性提出了更高的要求,因此,能够满足现实生活中对于实时、准确、智能化需求的行人识别技术,在安防领域有非常重要的实际应用价值。运用网络优化技术,有助于深度神经网络精度和效率的提高。本文将行人重识别过程分为行人检测和行人重识别两个阶段,提出基于遗传算法的网络多目标向量表示及其优化方法,利用优化后的行人检测模型对视频帧中的所有行人进行检测,最后通过重识别模型来匹配行人,能够实现安防监控视频中的行人重识别。本文的主要工作内容如下:(1)在网络优化方面,针对深度神经网络的多目标优化问题,设计了一种基于深度学习的神经网络结构向量表示方法,提出了神经网络多目标优化模型,实现了基于遗传算法的神经网络多目标优化方法,并在MNIST数据集上对算法性能进行测试。实验结果证明,网络精度与传统经验设置的四层全连接网络相比提高了1%,与Tensor Flow库的优化算法所优化的网络相比提高了10.41%;网络整体参数量与传统经验设置的四层全连接网络相比减少了32.6%,与Tensor Flow的优化算法所优化的网络相比减少了13.2%。实验验证了本算法能够对深度神经网络进行多目标优化,提高网络精度,并减少网络整体参数量。(2)在行人检测方面,为了获取更适合本文研究环境的行人检测模型,利用提出的优化算法对YOLOv5的m AP＿0.5和m AP＿0.5:0.95进行多目标优化,并在COCO128数据集上进行测试。实验结果显示,优化模型的查准率达到86.2%,查全率达到85.7%,m AP@0.5达到92.1%,m AP@0.5:0.95达到59.2%。与YOLOv5的预训练模型YOLOv5x相比,分别提升了5.9%、10.4%和8.8%,m AP@0.5:0.95降低了2.5%。通过实验分析验证了本文提出的优化算法能够降低网络训练所需资源,提高网络识别精度和训练效率,为大型深度神经网络的优化提供了新的思路。(3)在行人重识别方面,为了进一步提升重识别效果,本文使用Fast Re ID训练得到一种更好的特征提取模型,对DeepSORT原本的特征提取模型进行替换,并在Market-1501和Duke MTMC-re ID数据集上对Fast Re ID的特征提取模型进行测试,实验结果显示,在Market-1501数据集上,sbs＿R50-ibn模型与bagtricks＿R101-ibn模型相比,rank1降低了0.06%,m AP提升了0.57%,对精度的影响不明显,但训练耗时大幅减少,减少了51.49%;在Duke MTMC-re ID数据集上,sbs＿R50-ibn模型的rank1和m AP分别提高了0.9%和0.95%,训练耗时减少了44.31%,在保证精度的同时大幅降低训练耗时,在精度与效率之间达到了平衡。因此采用sbs＿R50-ibn网络训练出的Re ID模型进行替换,并在MOT16数据集的监控视频上进行验证,结果显示能够有效解决行人跟踪中的ID跳变问题,能够实现实时跟踪。(4)在实际应用方面,本文基于安防场景,利用上述基于YOLOv5和DeepSORT的行人重识别算法,构建了一个视频监控智能分析平台,平台包含摄像头注册及布控、行人库及群组管理、离线视频上传、模拟摄像头、视频监控和智能分析结果查看等功能模块,在实际的安防场景中实现了监控视频的实时分析。平台设计了简单实用的可视化界面,大大提高了监控分析的工作效率,有效节省了监控信息分析所需的精力与时间,在实际场景中取得了良好的效果。

基于改进YOLOv4模型的无人机目标检测算法

这是一篇关于无人机,目标检测,深度可分离卷积,网络优化,YOLOv4的论文, 主要内容为当前军民两用无人机目标检测能够实现远距离智能目标检测,具有检测区域广且视野开阔等优势,但是受承载能力限制,无法配置大容量高测速检测模型所需的硬件平台,导致测速慢甚至影响解算实时性要求。围绕此问题,本文对当前的主流卷积神经网络进行研究概括,并对不同的目标检测算法的网络模型进行论述,结合目前YOLO系列模型所具备测速快且精度高的优势,提出对现有YOLOv4检测模型进行改进。旨在保证检测精度同时减小内存占用,以此提高无人机搭载平台对目标检测实时性的需求,具体工作如下:(1)概括了卷积神经网络的发展过程及其组成模块卷积层、池化层、全连接层、激活函数层等的基本结构和作用,并对Le Net、Alex Net、VGG等经典卷积神经网络模型进行探讨。概括了深度学习目标检测算法的分类情况,并重点对SSD算法及YOLO系列算法的框架结构进行论述。(2)论述RSOD数据集的具体构成并采用其作为本文实验数据集,利用图像标注工具对图像数据重新进行标注,并详细讲解了标注过程。讨论了数据增强的目的,介绍数据增强方式的分类,为模型训练时数据增强方式的选择打下基础。(3)首先,对YOLOv4目标检测算法的模型结构进行详细论述。其次,将Mobilenet V3网络引入YOLOv4中替换原有的CSPDarknet53主干网络,以达到降低参数量,提升网络模型运行效率的目的。然后,在PANet加强特征提取模块中利用深度可分离卷积模块取代传统卷积。将总参数量及总运算量缩减到传统卷积的1/3左右,达到减少网络模型的运算消耗,提升网络模型效率的目的。最后,全面讨论了回归损失函数的优缺点,得出CIo U Loss回归损失函数表现最优,并采用其改进YOLOv4目标检测算法中的回归损失函数,以满足无人机目标检测算法中对回归损失函数的要求。(4)Mosaic数据增强,Label Smoothing标签平滑和余弦退火衰减调整学习率等训练方式的改进。Mosaic数据增强方法的使用在很大程度上丰富了检测数据集,提升了模型算法的泛化性能,Label Smoothing平滑采用的是正则化的方式,是一种处理在网络学习的途中出现过于自信的目标标签以及图像数据标注出现偏差问题的方法。对数据集图像的手工标注难以达到十全十美的标准,此方式的提出也避免手工出错带来的影响。余弦退火衰减的主要作用便是对网络模型训练的学习率进行改变,使学习率随着训练迭代次数的改变类似于余弦函数。在相同配置条件下的对比实验结果表明,改进YOLOv4模型损失小幅精度却实现检测速度的大幅提升,其中参数容量减少82%,仅44.74M,FPS提升69%并达到22帧/s,验证了论文所提算法的有效性。该论文有图59幅,表9个,参考文献75篇。

无线网络规划和优化协同分析系统的研究与开发

这是一篇关于网络规划,网络优化,协同分析,Java EE,SSH2,MySQL的论文, 主要内容为随着国内外运营商网络规模和业务量的增加,网络信息数字化管理的工作日益受到重视。运营商对网络信息数字化提出越来越高的要求的同时,也面临着无线网络规模急剧扩张、网络参数复杂度提升、网络规划、建设、维护、优化对数字化的需求不同但又互相关联、互为输入输出等一系列问题。这些问题在一定程度上给运营商的数据维护管理带来了不便。当前运营商使用的数据库和数据维护分析管理工具往往局限于维护或建设,相互缺乏沟通交流。因此研究开发一个用于无线网络规划和优化协同的分析系统,以满足规划和优化工作中数据统一性的需求、满足规划和优化流程中互为输入输出的协同性需求、满足多地区多项目通过网络访问、维护数据的需求,是一件具有相当现实意义的工作首先分析了网规网优分析系统的现状,明确了无线网络规划和优化协同分析系统的定位、核心功能和系统流程。在此基础上,阐述了其系统架构和技术选型、系统实现。基于Java EE框架整合Struts2、Spring3和Hibernate技术和MySQL数据库技术,分析了子系统的设计和实现。重点讨论了系统维护子系统、上传文件子系统和信息服务子系统等。通过无线网络规划和优化协同分析系统的开发,成功解决了当前网络数据管理平台的局限,提供了可以处理海量数据、可以对数据进行灵活多样的应用、强大的网络支撑以及安全的用户权限管理的新平台。弥合了各部门、各阶段、和分公司的数据管理裂缝。