抗毁性WDM网状光网络中的P圈快速构造算法

p圈法是抗毁性网状WDM光网络中一种十分优秀的保护算法,在p圈配置到网状光网络的过程中,圈构造算法是设计的第一步.文中提出了一种快速圈挖掘算法(FCMA),本算法基于k-最短路由算法构造最小p图,通过圈扩展算法获得更多性能优良圈,文中给了启发式算法的具体步骤.通过计算机仿真表明,该算法实现快速圈构造,性能优于其它同类算法,适合网状光网络中的p圈快速构造.     

基于信号衰减经验模型的移动节点定位算法研究

随着无线传感器网络在国防、安全等领域的快速发展,节点定位算法作为它的主要技术之一,也逐渐的被更多的人所重视、研究。为了提高定位技术在无线传感器网络中的应用效率和计算速度,提出了基于信号衰减经验模型的定位算法。该算法通过大量抽取节点在移动路线上的位置及其信号强度,迅速缩小锚点所在的范围,快速缩小节点所在区域,减少搜寻时间。     

网络社团分割算法分析

社团分割是复杂网络研究的一个热点,全面总结近年来提出的各种社团分割算法,详细分析其在实际应用中的优缺点,并指出虽然目前一些算法被证明是有效的,但是没有一种算法指出到底将网络分解为多少社团合理,因此需要对社团分割算法进一步研究。     

改进的人工免疫算法在图像配准参数优化中的应用

借鉴禁忌搜索的思想改进了人工免疫网络算法(aiNet),提出一种禁忌人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌在网络迭代中亲和力不再增加的细胞,通过特赦准则赦免一些被禁忌的优良状态;增加记忆表,保存成熟的记忆细胞;重新定义高斯变异方式,保证多样化的搜索.利用Markov链分析了该算法的全局收敛性,通过对典型系统的仿真实验分析了该算法的性能,并与克隆选择算法和opt-aiNet算法进行了比较,最终将改进的算法运用到红外与可见光图像配准中,像素级配准精度可以达到0.5像素.实验结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和发现极值点能力,能够克服早熟现象,提高图像配准的速度和精度,是一种有效的全局优化方法.     

基于扫描区间表示的不规则多边形快速定位算法及应用

不规则多边形定位算法是排料算法的重要组成部分,其效率对排料算法的性能有重要影响。基于扫描区间表示的不规则多边形定位算法因能适应任意复杂多边形而被广泛采用,但它存在计算量大的不足。通过深入研究基于扫描区间表示的多边形定位算法,该文从两个方面对其方法进行改进：首先提出候选平移位置矩阵的概念,进而实现定位扫描算法;然后通过最大跨度比较法快速排除一些不可能的行,从而通过减少定位扫描算法的调用次数进一步加速。该算法已应用于自主开发服装排料软件,多个实际衣片数据的测试结果证明了该文算法的有效性和高效性。     

基于连通可靠度约束的分簇算法研究

在研究了一些分簇算法基础上,提出基于连通可靠度约束的、适合大规模随机部署的快速成簇算法。仿真表明基于连通可靠度约束的快速成簇算法得到的分簇覆盖面广、簇头分布合理、稳定性强,与最小ID分簇及优化的最大连接数分簇算法相比,得到簇头数量少,分簇更合理,各成员节点与簇头的连通可靠度好,能保证网络的稳定性与健壮性,大大减少重构开销带来的通信代价,有利于均衡网络能量消耗,延长网络生命周期。     

非负矩阵分解的分布式算法

提出一种解决大规模非负矩阵分解的分布式算法.非负矩阵分解一直是矩阵分解领域中的热点问题之一,已有一些相关的算法.但是,对于大规模的非负矩阵,至今尚无高效的方法.本文采用近来解决大数据的分布式思想和并行式计算方法,并将它们与传统的矩阵分解算法相结合,提出一种基于并行式计算的分布式网络算法,以此实现大规模的非负矩阵分解问题.实验结果表明,所提出的算法较一般的分布式算法与集中式矩阵分解的算法更加有效和快速.     

TRL校准方法原理及应用

本文研究了目前网络仪中广泛使用的TRL校准方法的原理,由给出的系统误差信号流图推导出被测件真实的S参数;分析了TRL*算法与TRL算法的区别,推导了修正TRL*算法的方程.最后进行了实验仿真,通过对校准前后的测量数据的对比,证明了用该方法校准网络仪是准确有效的.     

RSA加密算法研究

加密技术的开发和研究其目的是为了寻找一种措施来保护我们的数据,防止被一些怀有不良用心的人所看到或者破坏.在网络安全状况日益严峻的情况下,需要一种强有力的安全措施来保护机密数据不被窃取或篡改.RSA密钥体制是公开密钥体制中最容易理解,也是应用最广泛的一种加密方法.深入研究RSA密钥体制的实现原理与实现算法,为该算法的实际应用提供基础.     

网络入侵检测系统快速处理技术研究

提出一种基于散列方法的快速的网络数据包攻击检测算法。主要探讨两个问题:一是如何将散列方法运用到网络数据包的攻击检测,合理地解决散列空间的压缩、散列函数、特征字符串、规则库等使用散列方法进行多模式匹配带来的几个问题;二是分析散列法的优越性,对运用该方法的入侵检测系统性能进行了预估。通过双数组散列空间、快速而有效的散列函数、选择特征字符串等策略,加快检测的速度。     

基于博弈的自组织网络路由算法研究思路

自组织网路由协议的研究是认知网络关键技术,主要是研究基于自组织网络路由协议,利用演化博弈、n人博弈、遗传算法等实现自组织网络的路由协议算法的一些思路,通过博弈算法,能够有效找出最优的路由,高路由性能,减少路由重构的时间,进行提供QoS服务质量保证控制等优点。     

基于多任务分类的吸烟行为检测

为了及时检测吸烟行为,准确做出状态判断,提出了一种基于多任务分类的吸烟行为检测算法。该算法融合多任务卷积神经网络、级联回归和残差网络,通过多任务卷积神经网络算法和基于梯度提高学习的回归树方法(RET级联回归)快速定位嘴部感兴趣区域(ROI);在此基础上,采用残差网络对ROI内目标进行检测和状态识别。实验结果表明,该算法可以准确检测到吸烟行为的发生并做出状态判断,准确率可以达到87.5%。     

基于L-M算法的雷达板级电路快速故障诊断

新型雷达可更换的板级电路很多,为了快速诊断板级电路故障,将一种基于L-M算法的神经网络用于故障诊断;分析了L-M算法BP网络进行雷达板级电路故障诊断的原理;建立了故障诊断样本训练和测试平台;并以实例在该平台上对L-M算法BP网络进行训练和实际诊断,结果表明,该方法诊断准确性高,比其它方法更为快速有效,较好地解决了雷达可更换板级电路的故障诊断问题。     

无线传感器网络中基于信誉-投票机制的恶意节点检测

针对无线传感器网络节点易被捕获,导致网络中可能存在恶意节点等特点,提出了一种基于信誉-投票合作机制的恶意节点检测算法MNDRVM.该算法不同于以往的恶意节点检测方法,它利用基站广播控制信息给网内所有节点,邻居节点根据收到信息对被检测节点给出信誉评价后进行投票,最后依据有无嫌疑得票情况判断是否为恶意节点.该算法支持多种路由协议,通过仿真实验显示,该算法和WTE算法及多元分类检测算法相比,具有较好的检测率和较低的误检率.     

传感器网络目标恢复算法研究

分析了传感器网络在目标跟踪过程中产生目标丢失故障的原因.在此基础上采用分簇设计思想,通过对跟踪目标移动速度的计算和目标搜寻区域的建立等方法,提出了目标丢失故障恢复新的算法和技术.实验证明,所提出的算法和技术在延长传感器网络生存时间前提下,能够有效地解决跟踪目标发生丢失故障后目标快速恢复问题.     

一种曲面裁剪的快速新算法

曲面裁剪算法是曲面造型的关键算法之一。传统的裁剪算法是通过对重点和重边进行较复杂的特殊处理并基于环的两两并、交、差来实现的。本文首先提出并严格的定义了入点、出点等概念,在此基础上,提出了一种 对被裁剪曲面参数域进行快速组环的分裂、组环方法,从而实现了对曲面的快速裁剪,该算法已实现并用在ＳｕｐｅｒｍａｎＣＡＤ／ＣＡＭ曲面造型系统。     

基于Lattice分段的高质量混淆网络快速生成方法

针对现有混淆网络生成方法难以兼顾速度和质量的问题,研究了基于横断一致性的Lattice分段方法和基于最大置信度的Lattice分段方法,研究了用这两种Lattice分段方法来减少对混淆网络质量的影响。提出了一种基于Lattice分段的高质量混淆网络快速生成方法。该方法把原始大规模Lattice分割成小尺寸的Lattice,分别生成混淆网络,从而可减小计算规模,提高网络生成速度。同时通过分段数目来调节速度和质量之间的平衡。实验结果显示,与词聚类算法相比,所提方法显著提高了混淆网络的生成速度,而对混淆网络质量影响很小。从解码性能看,在相同速度下所提方法获得了比采用剪枝的词聚类算法更低的错误率。     

基于电路压缩的单开路故障快速分析算法

基于多网格和等效电路这两种电路压缩方法,提出了一种电源线/地线(P/G)网络单故障高效分析算法,以有效地提高P/G网单开路电阻故障的测试效率.该算法包括3个算法步骤:先采用多网格方法和等效电路方法对电路进行大幅度地压缩,此过程具有快速与高精度的优点,再采用连续过松弛(SOR)求解算法求解剩余电路的电压分布,最后根据已知电压节点快速而精确地返算出被压缩节点的电压.实验数据表明:该算法具有精度高、算法复杂性低、应用范围广等优点.与通用的不完全乔勒斯基分解共轭梯度(ICCG)求解算法相比,该算法在保持较高精度(误差小于0.0276%)的前提下,速度可以提高106倍,同时还可以求解ICCG算法无法处理的测例.     

随机权网络稀疏正则化算法及其应用

随机权网络是一种有效的前馈神经网络(FNNs),尤其是内权和偏置值的随机选取极大地提高了网络的学习速率,并克服了其他学习算法的一些不足.但是,其在计算外权的过程中也存在着一些不足.我们就此不足提出了一个新的算法——稀疏正则化算法,并结合梯度投影算法给出了一种迭代解,进而提出了相应的参数选择方法和算法终止准则.实验证明所提出的算法的优势,尤其是当隐层神经元数较多和训练样本较大时,所给出的算法具有明显的优势.     

基于遗传算法的网格任务调度方法研究

任务调度算法是网络计算研究的一个重要方向,己被证明是一个NP完全问题。研究表明遗传算法是解决复杂环境下任务调度的有效方法之一。本文提出的网格任务调度算法是基于遗传算法,并引入任务复制方法。实验结果表明,该算法在收敛速度和调度完成时间均优于普通遗传算法。