AHP-BP卫星通信网评估算法应用研究

随着卫星通信的应用领域越来越广泛,合理地评估一个卫星通信网的运行效能具有重大的现实意义。提出AHP-BP卫星通信网评估算法应用,利用AHP算法对BP算法中数据样本进行标记,形成数据样本集,实现对卫星通信网的运行状态初始快速评估。在后期评估过程中利用实际运行数据结合专家经验构建真实样本数据集,基于真实数据样本集重新训练BP算法模型,能够逐渐修正评估结果。仿真结果表明,AHP-BP评估算法适用于卫星通信网效能评估,并能够提高评估结果的准确性和客观性。     

哈希快速多标记学习算法

本文针对多标记学习耗时大、很难处理大规模数据的问题,提出了一种哈希快速多标记学习算法（HFMLL）,该算法将哈希算法与多标记学习算法结合,采用局部敏感哈希算法快速获得每个样本的近邻样本,并通过最小独立置换的MinHash算法快速找到每个标记的相关标记,根据其近邻样本及相关标记的信息,运用最大后验概率准则来预测新样本的标记集。实验表明HFMLL 算法在保持较高分类性能的情况下,算法速度明显优于目前的多标记算法,可以广泛应用于大规模的数据集。      

基于数据场的概率神经网络算法

提出基于数据场高斯势约简概率神经网络结构,基本思路:引入数据场估计训练集各类概率密度,选择局部极大密度估计样本构造网络;对初始网络迭代训练,依次扩展各类具有最大密度估计值的误分样本至模式层并调整权重参数,直至满足指定精度.采用增量密度计算,保证快速迭代和高概率收敛.基于重采样技术进一步提升泛化精度.实验表明,提出的算法...     

一种基于大脑情感学习的快速分类改进算法

为了提高数据分类的快速性与准确性,本文在大脑情感学习（Brain Emotional Learning,BEL）模型的基础上,结合遗传算法（Genetic Algorithm,GA）,提出了一种基于GA-BEL的快速分类改进算法.BEL模型根据大脑中杏仁体和眶额皮质之间相互学习的神经生物学原理建立,模拟了情感刺激在大脑短反射通路中被快速处理的过程.因此,基于BEL模型的网络运算速度快.进一步采用遗传算法优化BEL网络权值,提高其分类正确率.在UCI数据集上的对比实验结果表明,无论对于小样本还是大样本数据集,较其他分类算法,GA-BEL算法均有较高的分类正确率和计算效率.     

基于自适应权值裁剪的Adaboost快速训练算法

Adaboost是一种广泛使用的机器学习算法,然而Adaboost算法在训练时耗时十分严重。针对该问题,该文提出一种基于自适应权值的Adaboost快速训练算法AWTAdaboost。该算法首先统计每一轮迭代的样本权值分布,再结合当前样本权值的最大值和样本集规模计算出裁剪系数,权值小于裁剪系数的样本将不参与训练,进而加快了训练速度。在INRIA数据集和自定义数据集上的实验表明,该文算法能在保证检测效果的情况下大幅加快训练速度,相比于其他快速训练算法,在训练时间接近的情况下有更好的检测效果。     

一种复杂背景下的铁路货运车辆车号定位方法

针对复杂背景下铁路货运车辆车号定位复杂、定位准确率低的问题,提出一种采用ResNet50作为基本特征提取网络,同时引入空残差块对学习样本进行多层特征融合,构造了一种新的特征提取网络和改进算法,提高目标检测网络的特征表达能力,实现了快速车号目标检测。实验数据集采用自建数据集,并通过三个对比实验验证了该方法的可靠性。当IoU阈值为0.5时,改进算法的平均精度值为97.1%,分别比F-VGG和F-ResNet50高9.4%和6.8%,同时采用改进算法对我国铁路常用不同车型货运车辆进行车号定位测试实验,从实验结果可以看出优化方法没有误分类或漏检。改进后的算法可以提高复杂背景下铁路货运车辆车号的定位精度,具有较强的泛化能力,对实现复杂背景下车辆车号快速定位具有一定的参考意义。     

捕鱼算法优化核极限学习机的微博热点话题预测

微博热点话题预测对网络舆情控制与管理具有重要意义,针对微博网络热点话题的随机性、非线性以及核极限学习的隐层权值和隐层阈值优化难题,提出一种捕鱼算法优化在核极限学习的微博热点话题预测模型。首先将微博网络热点话题历史样本划分训练样本和测试样本集,然后采用在核极限学习对微博热点话题训练样本进行学习与建模,并采用捕鱼算法优化在线极限学习的隐层权值和隐层阈值,最后采用微博热点话题测试样本对其性能进行测试。实验结果表明,本文模型可以描述微博热点话题的发展趋势,提高了网络热点话题的预测精度,而且性能优于其它网络热点话题预测模型。     

基于多尺寸卷积与残差单元的快速收敛 GAN 胸部 X 射线图像数据增强

针对深度学习中数据增强的方法, 改进生成式对抗网络 (GAN,Generative adversarial networks)模型,形成一种快速收敛生成式对抗网络,能够克服 GAN 训练过程不稳定、收敛速度缓慢容易发生模式崩溃等问题。采用在判别器中使用多尺寸卷积,加强判别器的特征提取能力;在生成器中添加残差单元的方法,使得生成器可以快速拟合真实数据的分布;同时对判别器进行预训练的策略,有利于提高生成器前期训练稳定性和加快训练过程。运用 CIFAR-10 标准数据集进行实验,与几种基于 GAN 的模型对比,证实本文的改进算法效果较好,图像质量和多样性更优。利用本文提出的改进算法用于美国 NIH 临床数据库的胸部 X 射线数据集,生成扩充样本,经图灵测试证实了算法的有效性。      

一种基于LSKNet的绝缘子缺陷检测方法研究

目前,电力网络缺陷检测主要通过无人机航拍完成。对当前公开的数据集进行筛选,发现绝缘子的标注误差较大且正负样本失衡;同时,巡检图像中存在许多小尺度和细长类型的目标,使用现有的算法很难达到高精度的检测效果。针对上述问题,通过雾化算法构建一个新的数据集,采用大型选择核网络(LSKNet),引入暗通道先验算法,提出针对电力网络缺陷的LSK绝缘子图像去雾算法。实验结果表明,在SFID-PRO数据集上的mAP达到85.90%,其中缺陷绝缘子的召回率达到了99.6%,能够对细长物体和小尺寸物体进行精准的检测。     

基于小样本标记实例的数据流集成入侵检测模型

基于监督学习的异常入侵检测算法通常面临着训练样本不足的问题,同时,对整个历史数据集进行等同学习,没有充分考虑到网络数据模式随时间变化的特点.本文提出了一种基于小样本标记实例的数据流集成入侵检测模型,对小样本的标记数据集进行扩展,解决了训练样本不足的问题,并能够充分适应网络数据模式随时间变化的特点.实验结果表明,在小样本标记实例情况下,算法的检测性能明显优于基于所有历史数据进行入侵检测的结果.     

Classification of multispectral image data by the binary diamondneural network and by nonparametric, pixel-by-pixel methods

The study deals with the application of nonparametric pixel-by-pixel classification methods in the classification of pixels, based on their multispectral data. A neural network, the binary diamond, is introduced, and its performance is compared with a nearest neighbor algorithm and a back-propagation network. The binary diamond is a multilayer, feedforward neural network, which learns from examples in unsupervised one-shot mode. It recruits its neurons according to the actual training set, as it learns. The comparisons of the algorithms were done using a realistic database, consisting of approximately 90000 Landsat 4 Thematic Mapper pixels. The binary diamond and the nearest neighbor performances were close, with some advantages to the binary diamond. The performance of the back-propagation network lagged behind. An efficient nearest neighbor algorithm, the binned nearest neighbor, is described. Ways for improving the performances, such as merging categories and analyzing nonboundary pixels, are addressed and evaluated     

传感器组网新方法研究

提出了一种基于多目标蚁群优化算法的传感器组网节点快速选择方法，利用蚁群算法处理纯方位目标跟踪中需要同时满足目标定位精度和节点能量消耗这一多目标优化问题，计算机仿真表明，多目标蚁群节点选择方法所得到的跟踪精度和能量消耗比同条件下的最近邻法所得到的好。     

基于ASIFT的图像快速匹配算法

ASIFT特征在图像旋转、尺度变换和视角变化的条件下具有良好的不变性,较传统的SIFT算法具有完全的仿射不变性,且在图像配准中能够获得更多精确的匹配点。但是,ASIFT匹配效率比较低,耗时较长。基于ASIFT的图像快速匹配算法是结合基于BBF查询机制的KD-Tree索引的近似最近邻搜索即先建立数据集索引,然后进行快速匹配的算法。实验结果表明,改进的算法比传统的ASIFT图像匹配算法和SIFT匹配算法在匹配速度、匹配精度方面优势明显。     

LTE网络仿真中天线初始下倾角计算方法探讨

讨论一种基于最近小区修正距离、挂高、技术等因素的算法，并通过无线网络仿真予以验证。用以在网络建设中初始设置倾角参考使用。     

K-最近邻分类技术的改进算法

该文提出了一种改进的K-最近邻分类算法。该算法首先将训练事例集中的每一类样本进行聚类,既减小了训练事例集的数据量,又去除了孤立点,大大提高了算法的快速性和预测精度,从而使该算法适用于海量数据集的情况。同时,在算法中根据每个属性对分类贡献的大小,采用神经网络计算其权重,将这些属性权重用在最近邻计算中,从而提高了算法的分类精度。在几个标准数据库和实际数据库上的实验结果表明,该算法适合于对复杂而数据量比较大的数据库进行分类。     

军用无人机研制费用的RBF神经网络预测

应用基于最近邻聚类算法的径向基函数(RBF)网络建立了军用无人机研制费用预测模型,并采用该模型对某型军用无人机研制费用进行了预测。实例表明,与多元线性回归和BP神经网络的预测结果相比,建立的新型军用无人机研制费用预测模型具有更高的预测精度。     

An algorithm for designing rings for survivable fiber networks

The authors present an algorithm for routing fiber around a ring in a network, when the network nodes, links, connectivity, and which offices are to be used on that ring together are known. The algorithm aids automated survivable network planning. The algorithm was programmed in C, and run on a SPARC-station. Under certain conditions, the problem degenerates to the traveling salesman problem, and the ring routing algorithm degenerates to the nearest neighbor method of solving that problem     

一种适用于唤醒机制的异构传感器网络节点协同唤醒路由算法

基于定向扩散算法,本文提出一种适用于唤醒机制的异构传感器网络节点协同唤醒路由算法(CWR,Cooperative Wake-up Ruting),就近选取低能耗节点代替高能耗节点进行多级扩散,增加路由替换和路由修补两个步骤建立低能耗节点到相应高能耗节点的路由信息,为异构传感器网络中唤醒实现提供必要的网络拓扑基础.仿真实验表明本文算法在支持唤醒机制实现过程中的节能特性.     

基于Elman神经网络的电力负荷预测模型研究

为提高电力负荷预测精度,文章采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。     

异构网络中多网络并行传输的网络选择算法

为了充分利用异构网络中的无线资源,提出了一种基于多网络并行传输的异构网络接入选择算法,该算法根据终端接收信号功率确定能够进行通信的无线网络,以这些无线网络的任意非空子集作为候选方案,计算各个方案对应的聚合属性,再根据吞吐量和功耗阈值条件限定候选网络方案,对这些方案建立多属性决策矩阵,采用基于用户偏好的逼近理想值排序法(TOPSIS)得到各个候选网络方案的效用函数值,从中选出与理想方案最接近的多网络接入方案。仿真结果表明该算法能有效改善用户服务质量,提高用户吞吐量,降低用户的单位吞吐量对应的功耗和费用,保证网络的负载均衡。