进口木材蛀虫检疫是海关的一项重要工作，但其存在着虫声检测算法准确率低、鲁棒性差等问题。针对这些问题，提出了一种基于三维卷积神经网络（3D CNN）的虫音检测方法以实现虫音特征的识别。首先，对原始虫音音频进行交叠分帧预处理，并使用短时傅里叶变换得到虫音音频的语谱图；然后，将语谱图作为3D CNN的输入，使其通过包含三层卷积层的3D CNN以判断音频中是否存在虫音特征。通过设置不同分帧长度下的输入进行网络训练及测试；最后以准确率、F₁分数以及ROC曲线作为评估指标进行性能分析。结果表明，在交叠分帧长度取5 s时，训练及测试效果最佳。此时，3D CNN模型在测试集上的准确率达到96.0%，F₁分数为0.96，且比二维卷积神经网络（2D CNN）模型准确率提高近18%。说明所提算法能准确地从音频信号中提取虫音特征并完成蛀虫识别任务，为海关检验检疫提供有力保障。

网络虚拟化的关键问题是虚拟网映射,能耗开销的快速增长使得节能成为底层设施供应商关注的目标。针对虚拟网映射中的节能问题,提出一种集中使用网络拓扑的节能虚拟网映射算法。该算法引入接近度中心度概念和节点能力共同表征节点的重要程度,优先使用已工作节点进行资源整合使用,同时通过检验保证底层链路距离不会过长,有利于减少能耗和开销。实验仿真结果表明该算法在接受率达到70%、长期收益开销比达到75%的同时,使收益能耗比提高20%以上,与之前算法相比具有优势。