面向对象碰撞检测方法及其在分布式虚拟环境中的应用

本文提出了一种面向对象的碰撞检测方法，分析了这种碰撞检测方法的时间复杂性，讨论了分布式环境中碰撞检测的完全性和唯一性等问题，提出了一种保证分布式虚拟环境中碰撞检测唯一性的方法，最后，讨论了这种方法在分布式虚拟环境ＤＶＥＮＥＴ中的应用。     

用计算机接收送往打印机的数据

本文提出了一种计算机模仿打印机的一种方法，此方法可以接收任何智能机器向打印机发送的信息，同时，也提供了一种计算机之间并行通讯的有效方法。     

基于示例的组合预测方法

本文提出了一种基于示例的组合预测方法，强调知识方法和数学方法的结合，提出了一种算法和组合预测框架，并结合实验数据讨论了预测结果，分析了不同预测方法的不足。     

多层多视多体建模方法研究

仿真是一种基于模型的试验行为，从某种意义上，模型的正确和准确，决定了仿真的效率和质量。但一组好的模型的诞生，必须有一套正确的建模方法作支持。从这个角度讲，一种科学有效的建模方法比一组好的模型更重要。该文在归纳目前国内外仿真界较为流行的多种建模方法并进行对比分析的基础上，提出了多层多视多体建模的思想，并给出了该建模方法的具体应用过程。最后，采用该文方法，建立了一组仿真模型。     

基于形态学的任意三维物体变形的算法及实现

提出三维物体变形的形态学方法，给出了此方法的理论证明，用一个统一的数学模型来描述变形内插的关系，较好地解决任意形状物体的变形。实验表明这种方法是一种有效的变形方法，克服了现有方法的缺点，实现简单，并可推广至一般的造型系统中，为计算机图形学开辟了一种新途径。     

多场限环的优化设计方法

提出了一种多重场限环（FLR）终端结构的优化设计方法。这一方法给出了一种简单的模拟结构用以绘制所谓的击穿电压一间距曲线，由这一曲线可以直接得到最优化结构，而不必进行试验，也不易发生错误。由此种方法得到的结果与实验结果附合的非常好。我们在广泛范围内对这一方法的适用性进行了研究，结果表明这一方法在中等电压范围的FLR终端设计中非常有效。     

基于数学形态学的免疫细胞图象分割

为了实现对免疫细胞图象的分析，首先要对该种图象进行正确分割，针对这一要求，提出了一种有效的免疫细胞图象分割方法，该方法是根据数学形态学的知识，利用直方图势池数来提取标记点，并将这些标记点作为种子点来对梯度图进行Watershed变换，进而实现了细胞图象的分割。该方法是一种谱信息与空间信息相结合的分割方法，根据实验结果和分析可见，该方法不仅解决了细胞在参数测量前的精确分割问题，同时，为水域分割的关键步骤－种子点的选取找到了一种有效而可靠的方法，实践表明，分割的结果与 目视感受相一致，且其分割速度及可重复性都达到了医学临床的要求。     

统计和结构模式识别方法结合的多特征印鉴真伪鉴别方法

计算机印鉴自动真伪鉴别是一项十分困难，但又具有广泛应用前景的一项综合性研究课题，国内外至今尚缺乏实用有效的方法，我们从图象分析、模式识别原理出发，给出了一套完整的印鉴鉴别方法，该方法充分提取了反映真假印鉴本质特征的多种特征参数，结合了统计模式识别与结构模式识别方法各自的长处，使得鉴别方法在准确性、稳定性、可靠性与适应性方面与我们原有的方法以及国外其他方法相比，都取得了很大的进展，已达到应用水平。     

一种双足步行机器人的步态规划方法

本文介绍了一种双足步行机器人的步态规划方法，以前向运动为例，详细介绍了先分阶段规划然后合成的方法，并讨论了行走过程中的冲击振动问题及减振措施，实验及仿真结果验证了这一规划方法的有效性。     

多变量系统模糊解耦自适应控制

对象模型难以确定的系统，采用经典控制方法难以实现解耦控制，作者应用模糊控制理论，研究了一种无需对象模型的模糊解耦自适应控制方法。本文介绍了这一方法，导出实现模糊解耦自适应控制的充要条件，并给出了仿真结果。     

基于知识蒸馏的超分辨率卷积神经网络压缩方法

针对目前用于超分辨率图像重建的深度学习网络模型结构深且计算复杂度高，以及存储网络模型所需空间大，进而导致其无法在资源受限的设备上有效运行的问题，提出一种基于知识蒸馏的超分辨率卷积神经网络的压缩方法。该方法使用一个参数多、重建效果好的教师网络和一个参数少、重建效果较差的学生网络。首先训练好教师网络，然后使用知识蒸馏的方法将知识从教师网络转移到学生网络，最后在不改变学生网络的网络结构及参数量的前提下提升学生网络的重建效果。实验使用峰值信噪比（PSNR）评估重建质量的结果，使用知识蒸馏方法的学生网络与不使用知识蒸馏方法的学生网络相比，在放大倍数为3时，在4个公开测试集上的PSNR提升量分别为0.53 dB、0.37 dB、0.24 dB和0.45 dB。在不改变学生网络结构的前提下，所提方法显著地改善了学生网络的超分辨率重建效果。     

基于随机神经网络的多步网络时延预测模型

网络时延的动态变化反映了网络路径的负载特征,对时延的精确预测是实施网络拥塞控制、路由选择的重要依据,建立了基于随机神经网络的时延预测模型,该模型克服了传统时间序列预测方法受随机干扰因素影响大、模型结构辨识过程繁琐,以及传统神经网络预测方法易于陷入局部极值、偏离全局最优的缺点.仿真实验表明,在提前单步和多步的预测中该模型比AR模型、RBF神经网络预测算法的准确度更高.     

基于语义的政策血缘网络演化机理研究

该文将行业政策形式化为一个由微观、中观和宏观政策血缘网络构成的复杂网络体系。分别通过改进的基于语义的政策词语相似度计算方法、依存句分析和基于向量空间模型的方法构建了微观、中观及宏观的政策血缘网络。在此基础上,该文对政策血缘网络进行了层次结构演化和碎片清理,构建了政策血缘森林并提出基于政策血缘森林的政策碎片化预防的方法。实验结果表明,该文所提出的方法能有效地解决政策碎片化等问题。     

基于Windows98组建对等网络

介绍了基于 Windows98组建对等网络的方法。对直连网线和交叉网线的制作、网络软硬件资源的共享、网络打印机的使用作了详细的论述。该方法适用于小型办公室或家庭联网 ,只需很低的成本便可享受网络带来的方便     

井下视频行人检测方法

针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题,对基于SSD网络的行人检测方法进行改进,设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络,以满足井下视频行人实时检测需求,并设计了基于ResNet网络的辅助网络,以增强特征表征能力,提高行人检测准确性。将基于改进SSD网络的井下视频行人检测方法部署在嵌入式平台Jetson TX2上进行实验,结果表明该方法对井下视频中行人的检测准确率为87.9%,针对井下行人低密度场景的检测准确率近100%,且运算速度达48帧/s,约为基于SSD网络的行人检测方法的4.4倍,满足井下行人实时检测需求。     

谱半径和特征显著性约束的随机化社会网络方法

为了保护社会网络的安全性,保证扰动后社会网络的可用性,提出谱半径和特征显著性(非随机化性)约束的多点扰动社会网络的方法。在扰动社会网络过程中,将社会网络的谱半径和特征显著性控制在一定的约束范围内,从而在保证扰动后社会网络的可用性同时,提高扰动后社会网络的隐私保护程度。理论上分析了该方法的安全性更好,并给出相应的算法。最后通过实验比较随机化后社会网络的调和平均最短距离、传递系数和特征显著性结构性质的变化情况,表明该方法能有效地保护社会网络的结构性质,提高扰动后的可用性。     

一种多结构及文本融合的网络表征方法

网络表征通过对网络结构的深度学习得到节点的矢量表征,挖掘网络中潜在的信息,是社会计算中的一种重要降维方法。针对一种融合了网络中的文本和结构的、基于矩阵分解的网络表征方法TADW,首先分析并讨论了文本属性矩阵在矩阵分解式中的位置对网络表征效果的影响,并对此方法进行了优化;在此基础上,提出了一种融合关系结构、交互结构和文本属性的社交网络表征方法。在多个数据集上的实验结果表明,该方法在多分类任务中优于其他经典网络表征方法。     

基于异构动态图模型的社交网络节点分类方法

在机器学习领域,与传统的神经网络相比,图神经网络在社交推荐等任务中发挥着越来越重要的作用,但是目前工作中大多数都使用静态图.针对现有静态图神经网络方法难以考虑社交用户动态特性的问题,通过引入动态图模型提出了一种基于异构动态图模型的社交网络节点分类方法.该方法在动态图建模的基础上,通过基于点边交互的节点特征更新机制和基于循环神经网络的时序聚合方法,实现了高效的动态社交网络节点分类.在多个真实数据集上的实验结果表明,提出方法在动态社交网络数据的节点分类方面有较好的效果,对比静态图和动态图的基准方法有显著的提升.     

基于小波分解的网络流量时间序列建模与预测

提出一种基于小波分解的网络流量时间序列的分析和预测方法。将非平稳的网络流量时间序列通过小波分解成为多个平稳分量,采用自回归滑动平均方法分别对各平稳分量进行建模,将所有分量的模型进行组合,得到原始非平稳网络流量时间序列的预测模型。在仿真实验中,利用网络流量文库的时间序列数据建立了预测模型,并对其进行独立测试检验。仿真结果表明,本预测方法提高了网络流量时间序列的预测准确率,是一种有效、稳健的网络流量预测方法。     

基于大数据分析的差异化投资增量配电网的效益预测方法

配电网的效益具有差异性,为了提高配电网的效益预测水平,提出了基于大数据分析的差异化投资增量的配电网效益预测方法。建立了差异化投资增量配电网效益评价的指标分析模型,采用大数据分析方法进行差异化投资增量配电网效益分析。结合特征空间重构技术进行差异化投资增量配电网效益的分布式特征序列重组,提取差异化投资增量配电网效益分布特征量。采用关联规则挖掘方法对分布特征量进行效益优先性评价,利用模糊相关检测方法进行配电网效益分布大数据的抗干扰处理。对提取的差异化投资增量配电网效益分布特征量采用神经网络学习方法进行配电网的效益预测,构建效益分布的差异化因子,实现基于大数据分析的差异化投资增量配电网的效益预测。仿真测试结果表明,采用该方法进行差异化投资下的增量配电网效益预测准确性与灵敏度较高,可靠性较好。