基于模糊耦合的智能小区无线主干网路由算法

目的 为了减少智能小区无线网络设备，提高网络信息传输的可靠性和快速性．方法 研究了智能小区无线网络及其路由算法．根据智能住宅小区的特点和2．4GHz频段无线收发特性，提出了智能住宅小区主干网结构模型。即分层自组织网络模型，并对其网络模型进行了讨论．并结合模糊规则和耦合概念。提出了基于模糊耦合的列表路由算法．结果 通过对该算法的仿真，证明了该算法具有良好的网络信息传输可靠性、快速性和实用性的特点．结论 本文根据分层自组织网络，提出的基于模糊耦合的小区无线主干网路由算法，能够减少小区无线网络设备。降低小区组网的成本，能够提高网络信息传输的可靠性和快速性．促进智能小区无线网络的发展。     

一种基于Elman神经网络的网络舆情威胁估计方法

在详细分析网络舆情影响因素和自身属性的基础上,建立了网络舆情指标体系.依据模糊综合评价法和神经网络构建了网络舆情威胁估计模型.采用模糊综合评价法确定指标体系中各舆情因素的数值化评价值,并结合改进的Elman神经网络模型对网络舆情进行综合评判,最终得到网络舆情的威胁等级.仿真实验表明了该模型的有效性和准确性.     

模糊综合评价法在网络课程评价中的应用研究

针对网络课程的特点,建立了网络课程模糊综合评价的典型模型,从课程设计、交互设计、导航策略、界面设计、学习活动等方面阐述了评价过程中的模糊因素,建立了网络课程的评价指标体系,给出了隶属函数及权重的确定方法,并对示例网络课程进行了模糊评价,范例表明:该模型有效、可行,为网络课程定量化考核方法的设计提供了依据.     

印刷品色彩质量评价体系结构及算法

建立了3个层次的色彩质量评价体系,第1层次是对各墨区的各颜色分别进行评价;第2层次是对各墨区的色彩质量进行综合评价;第3层次是对整幅画面的色彩质量进行评价.对各个层次的评价算法进行了研究,其中第1层次的评价采用模糊层次综合评判法,建立了2级递阶层次结构,用灰关联分析法确定各因素间的相对重要程度,然后用层次分析法确定各因素的权重,最后用最大隶属度法确定评价结果;第2层次的评价采用加权算术平均法和模糊综合评判法;第3层次的评价采用加权算术平均法.算例表明,该评价体系结构及算法能对印刷色彩质量进行客观而准确的评价.     

L-模糊集信任机制的网格计算任务调度方法

建立了一种新的网格环境下基于L-模糊集的信任模型,该模型用语言变量刻画实体间的信任,利用上下文无关文法进行形式化描述,并用模糊算子刻画信任等级.在此模型和Min-Min算法的基础上,提出了基于信任的网格任务调度算法L-FSTM-Min-Min(L-Fuzzy Set Trust Model-Min-Min),该算法以模糊逻辑为基础,使用3I算法对多条推荐信任规则进行模糊推理,达到对信任的综合评价.经GridSim网格模拟器仿真实验表明,在同等条件下该算法与Min-Min算法相比较,任务最后完成时间明显降低了,失效服务数也大大减少了.     

基于PSO模糊神经元的异构无线网络接入选择

采用模糊逻辑和神经网络技术进行异构无线网络接入选择的方法未合理考虑网络负载状况,为此提出一种对网络负载具有很好动态适应性的基于粒子群优化(PSO)模糊神经元的接入选择方法. 该方法将可接入网络的接入阻塞率相等作为模糊神经元参数学习的目标,并结合具有全局寻优能力的PSO算法设定参数初值,提高了参数学习精度. 仿真结果表明,该方法能有效实现网络间负载均衡,相对于最大负载均衡算法可降低网络的接入阻塞率.     

基于模糊层次分析法的异构系统网络选择算法

利用模糊层次分析法对无线局域网（WLAN）和通用移动通信系统（UMTS）组成的集成网络中面临的网络选择问题进行了研究，提出了一种结合层次分析法和模糊综合评价法的网络选择新算法。通过对影响集成系统网络选择因素进行分析，建立了网络选择决策模型，计算出了各因素的权重；通过对模糊综合评价模型的分析，提出了计算相对隶属度的方法。由各因素相对隶属度和权重计算总隶属度，并据此选择最优网络。仿真结果验证了该算法的正确性与有效性。     

基于免疫算法的无线网络节点调度算法

为了实现无线传感器网络节点调度,提出了一种基于免疫算法的无线网络节点调度算法,建立网络模型并给出了目标函数.在给出抗体编码方式的基础上,定义了改进的免疫算法并对无线传感器网络的节点进行调度.仿真实验表明,该方法能有效地解决无线网络的传感器节点调度问题,具有较强可行性.     

电力系统状态估计算法的模糊综合评价与分析

状态估计算法是电力系统状态估计的核心部分,目前已经有许多模型,特点各异,且性能评价具有模糊特征.为此,提出将模糊数学理论引入状态估计算法评价中,针对算法构建模糊综合评价模型,来实现各种状态估计算法性能的客观评价和比较,并从中找出适合具体系统的最优算法.通过在不同系统下对几种常用状态估计算法进行评价分析选出最优算法,验证了该评价系统的正确性,实现了算法评价的定量化,为实际系统的算法选择提供有效参考.     

模糊综合评判表现性评价网络平台的设计

基于表现性评价过程的质性特点,提出了适用于此评价模式下的模糊综合评判方法．一是构建模糊综合评判模型,将模糊性语言描述加以数量化,从而可利用传统的数学方法进行分析处理;二是设计模糊评价算法,使得模糊综合评判可以在计算机网络环境下高效地实现．     

基于IP的通用陆地无线接入网服务质量控制及性能

讨论基于IP的第三代移动通信系统中通用陆地无线接入网的服务质量控制－－区分服务机制及其实现，重点研究通用陆地无线接入网的服务质量仿真业务模型和系统仿真原理，分析仿真结果并得出一些结论。     

神经网络-模糊推理协作系统在闸门综合自动化故障诊断中的应用

研究了神经网络-模糊推理协作系统在闸门综合自动化故障诊断中的应用,在该协作系统中,先根据模糊模型确定神经网络的结构、连接方式以及初始权值,从而构造出相应的神经网络.然后,将神经网络应用于闸门综合自动化故障诊断系统,根据系统的运行数据对神经网络进行学习训练,调整神经网络的权值来修正原始的模型,提高其准确性.经过学习训练后的神经网络模型又被转换成模糊模型,从而使分布存储在神经网络中的知识得到清晰的解释.该系统已应用于生产实践中,系统运行结果验证了该方法的有效性和可行性.     

应急物资筹集网络适应性评价的CFNN模型及仿真

优化和提高应急物资筹集能力是应急物资筹集网络适应性评价的主要目的,针对此目的,在构建应急物资筹集网络适应性评价指标体系基础上,把一种基于改进的补偿模糊神经网络(CFNN)智能评价系统引入到应急物资筹集网络的适应性评价中,以解决应急物资筹集网络评价中时间、成本和稳定性指标的模糊性和非线性问题. 仿真实验表明: 改进的CFNN收敛速度快,容错率高,自适应能力强,是应急物资筹集网络适应性评价的有效手段．     

CNG站模糊综合和神经网络的安全评价

影响CNG站安全的因素和CNG站安全状态之间存在非线性关系,利用神经网络的非线性逼近等特点,可以对CNG站安全状态作出准确可靠的评价.从CNG站的人员、设施、管理和环境4方面考虑建立了CNG站安全评价体系,利用模糊层次分析法确定各因素的权重,将岭型函数作为隶属度函数对CNG站进行模糊综合评价,从而求出神经网络所需的训练样本,最后用训练好的BP神经网络对未知CNG站的安全作出评价.用该模型对3座CNG站进行安全评价,评价结果与模糊综合评价得到的结果完全一致,因此该方法可以用于评价CNG站的安全状态,对CNG站的安全评价和管理提供了一种新的方法.     

基于贝叶斯模型的网络风险动态评估方法

运用贝叶斯理论及方法,建立了网络系统风险的动态评估模型。该评估模型不仅可以评估网络的总体风险,还可以分别评估各个局部要素可能引起风险的程度。最后的示例表明:本模型可以有效地实现对实际网络风险问题全面评估。     

传送网运行有效性评价模型

定义了以实时网络运行质量为考察对象的运行有效性概念。通过分析运行时刻失效、全体电路集之间的关系,提出了基于电路业务、面向运行时刻,以及综合考虑影响评价因素的运行有效性评价指标——业务中断指数。从而使运行质量被量化为0~100之间的数字;同时离散时刻的指数在时间轴上延伸形成运行有效性曲线,该曲线直观地表达了网络的运行状况。     

神经网络法在地下洞室围岩分类中的应用

提出了以神经网络进行围岩稳定性分类的方法，根据收集到的围岩分类资料来训练和检验神经网络模型。并将评判结果与其他方法进行了比较，结果表明，网络经训练后具有较高的识别能力，可用于解决工程中的非线性问题。     

精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识. 采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.     

基于模糊逻辑神经网络的教学质量评估研究

文章通过在教学评价中引入模糊逻辑神经网络,给出了在教学管理中对于评价的一种方法.     

Application of functional-link neural network in evaluation of sublayer suspension based on FWD test

Several methods for evaluating the sublayer suspension beneath old pavement with falling weight deflec-tormeter(FWD), were summarized and the respective advantages and disadvantages were analyzed. Based on these methods, the evaluation principles were improved and a new type of the neural network, functional-link neural net-work was proposed to evaluate the sublayer suspension with FWD test results. The concept of function link, learn-ing method of functional-link neural network and the establishment process of neural network model were studied in detail. Based on the old pavement over-repairing engineering of Kaiping section, Guangdong Province in G325 Na-tional Highway, the application of functional-link neural network in evaluation of sublayer suspension beneath old pavement based on FWD test data on the spot was investigated. When learning rate is 0.1 and training cycles are 405, the functional-link network error is less than 0.0001, while the optimum chosen 4-8-1 BP needs over 10000 training cycles to reach the same accuracy with less precise evaluation results. Therefore, in contrast to common BP neural network, the functional-link neural network adopts single layer structure to learn and calculate, which simpli-fies the network, accelerates the convergence speed and improves the accuracy. Moreover the trained functional-link neural network can be adopted to directly evaluate the sublayer suspension based on FWD test data on the site. En-gineering practice indicates that the functional-link neural model gains very excellent results and effectively guides the pavement over-repairing construction.