基于混沌理论的网络数据流RBF神经网络预测

应用相空间重构理论，研究了网络数据流的混沌特性，计算了实际网络数据流的关维数、Lyapunov指数，证实网络数据流存在混沌现象；据此建立了基于径向基函数(RBF)预测模型，对实际网络数据流进行预测。仿真实验表明，相对于反向传播(BP)神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

基于故障树的校园网通信系统的可靠性分析

基于故障树分析法的基本原理，根据校园网网络通信系统的特点，建立了校园网网络通信系统的失效模型，采用最小割集分析法进行了定性分析，确定影响校园网通信系统失效的主要因素，依据网络拓扑结构定量计算其有效度。实践证明，这种分析方法可以提高诊断校园网络通信系统故障的快速性。     

一种新的网络拥塞控制算法API-V

针对PI控制器响应速度的不足，提出一种自适应网络动态变化的主动队列管理算法：API-V控制器．在PI控制器的基础上，根据瞬时队列长度增加速度控制，根据实时测量链路的数据包丢失率获得当前的负载信息，动态调整PI算法中的有关参数．理论分析和仿真结果表明，相对于PI控制器及其改进算法，API-V控制器具有更快的响应速度、收敛速度和更小的队列抖动，并且提高了缓冲区的利用率．     

基于时延动态补偿的网络控制器的设计

在网络控制系统中由于网络带宽的限制,不可避免地使网络系统产生网络诱导时延,从而导致系统性能下降甚至不稳定。文章针对延时不确定使得Smith预估补偿控制效果差的问题,提出了新的Smith补偿控制算法,根据控制器反馈信息对网络延时进行动态补偿,并与模糊PI控制方法相结合,构成Smith预估模糊PI控制器,使得闭环控制系统即使在模型失配的情况下,仍具有较高的稳定性、较强的鲁棒性。仿真结果表明,该方法可行有效。     

异构网实时通信的同构化及其技术实现

如何解决异构计算机网络的互联问题至关重要 ,网络实时通信也是当前计算机网络应用的热点。针对这两方面的问题 ,提出了异构网的同构化思想 ,讨论了网络实时通信的实现方法 ,并给出了异构网中解决进程实时通信问题的模型和方案。     

高维混沌系统的混合控制方法

将最短时间最优控制思想用于混沌轨道引导,通过可控域把混沌轨道引导和不稳定周期轨道的稳定化方法有机地结合起来,提出一种高维混沌系统的混合控制方法。利用该方法可实现高维混沌系统不稳定周期轨道之间的快速、有效切换。以双转子系统为例进行数字仿真,仿真结果表明了该算法的有效性。     

基于多配置特征包的目标检测

针对目标检测中的特征失配问题,提出多配置特征包的概念,刻画同一特征可能出现的不同失配情况。目标分类器学习时,利用Boosting算法学习出最具鉴别力特征包,每个特征包对应一个单特征和它的失配情况,目标分类器是最优特征包分类器的线性组合。进一步地,引入多示例学习思想,有效评估特征包鉴别力、学习特征包分类器。在人脸数据集上的实验表明,较之传统方法,考虑特征失配后,文中算法能获得更好的检测性能。同时,与固定包生成方式相比,多配置特征包能较好拟合特征失配情况,在提高检测率的同时获得更小的检测器尺寸。     

基于小波变换和Zernike矩的图像区域复制篡改鲁棒取证

针对现有的图像区域复制篡改检测算法其后处理的鲁棒性较差,且时间复杂度高的问题,提出了一种有效的检测与定位篡改区域算法.该算法通过对图像进行小波分解,将低频图像进行块分解,提取每块的Zernike矩特征,并将特征向量排序;然后,为每个特征向量搜索阈值符合的相似特征向量;最后,利用区域面积阈值去除错误的相似块对,并结合数学形态学定位篡改区域.实验结果表明,该算法不仅能有效地对抗常规的后处理操作,而且只在1/4图像上搜索块空间,提高了运算效率.本方法可用于面向图像内容的真实性鲁棒取证.     

基于遗传算法的模糊神经网络控制器设计及其稳定性分析

首先根据联结主义思想模糊控制器设计问题转化为对模糊神经网络参数的设计和优化,然后通过遗传算法对模糊神经网络的参数进行集中优化,得到了被控对象的一个最优或次优的控制器－模糊神经控制器,稳定性分析为此设计理论依据。     

基于小波动态神经网络的非线性系统鲁棒故障检测

针对一类满足Lipschitz条件的非线性系统,采用小波动态神经网络设计非线性观测器,以实现系统的实时鲁棒故障检测。通过小波网络逼近非线性项提高状态估计的精度,并在动态网络中加入鲁棒项增强了对不确定干扰的鲁棒性。同时采用RBF神经网络(RBFNN)对残差序列进行实时预测,实现了故障预报功能。文中证明了观测器设计的稳定性和鲁棒性,仿真示例验证了该方法的有效性。