基于多分辨正交多小波的神经网络研究

根据多小波空间中函数的多分辨率分解思想,构造了一种基于正交多小波的神经网络.该网络和小波网络结构相似,只是用同时具有紧支撑集、对称性、正交性和高阶消失矩的多尺度函数和多小波函数代替单尺度和单小波函数作为网络的激励函数.从理论上分析可得,多小波网络比单小波网络的收敛速度要快.为了比较这两种网络,对两种网络进行了对比仿真.仿真表明,实验结果和理论相吻合,另外多小波网络比单小波网络有更好的测试能力.     

新疆青河县结勒得地区变质片麻岩中含磁铁石英岩地质特征及找矿前景

新疆青河县结勒得铁矿区位于西伯利亚板块西南边缘的阿尔泰褶皱系和斋桑—北准噶尔褶皱系的接合部位,偏阿尔泰褶皱系一侧处于阿尔泰褶皱系,冲乎尔—青河构造—建造带,喀龙-科克玉依构造—建造亚带。区内主要出露有元古界、古生界、新生界地层。矿床所处位置构造发育,侵入岩分布广泛。通过相关工作,发现产于下-中元古界克木齐群一套片麻岩地层中的含磁铁石英岩,具有沉积变质型铁矿的特征,品位较低。为了寻求区内找矿突破,对其地质特征进行分析的基础上,并评价该矿找矿远景,旨在为该区找矿有所帮助。     

基于哈希值分组和信任主节点选取的共识机制

PBFT(Practical Byzantine Fault Tolerance)算法是当前最流行的共识机制之一,但其采用广播的通信模式导致该算法具有高通信复杂度;将节点分层进行共识的改进方式虽降低了通信规模,但改进后的算法在安全性和效率等方面仍存在不足。基于此,提出一种HBFT改进算法。首先,根据节点MAC地址的哈希值进行分组,增加节点分组的随机性并使拜占庭节点的分布更均匀;其次,优化算法的共识流程、通信内容和视图更换协议,进一步降低通信规模并提高主节点更换和故障处理的速度;最后,引入信誉机制并据此选取主节点,提升主节点的可靠性和算法的安全性。从理论、实验和安全的角度进行分析验证,结果表明HBFT算法的共识效率较PBFT算法和基于分层的改进算法分别提高96.1%～98.6%,51.3%～89.7%,且HBFT算法具有更高的安全性。     

痕量金属镍双水相分光光度法测定研究

利用双水相的分相原理对痕量镍（Ⅱ）进行分相萃取,建立了丙酮-硫酸铵的新型小分子双水相体系,同时选取丁二酮肟作为镍的显色剂,建立了测定痕量镍（Ⅱ）的新方法。并通过单因素实验,确定最佳分析条件,在0.5~3.5μg.（10mL）-1范围内,镍（Ⅱ）的浓度与吸光度呈线性关系,其线性回归方程为：A=0.2233ρ（Ni2＋）＋0.0201,相关系数R2=0.9996,检出限为0.0281μg.（10mL）-1,相对标准偏差RSD为2.1%~3.0%。将建立的分析方法应用于实际样品中镍（Ⅱ）离子的测定,同时对样品进行加标回收试验。实验的回收率为91.1%~103.1%,结果令人满意。     

实现模拟电路高诊断率的方法

针对神经网络诊断模拟电路故障中可能存在误诊这一不足,从多分辨分析理论出发,将一维小波的尺度函数和小波函数进行张量积,把得到的张量积小波的尺度函数和小波函数共同作为网络的激励函数,构造了一种小波神经网络,并用该小波神经网络诊断实例模拟电路.仿真结果表明,该小波神经网络不仅能够诊断出已训练的故障类型,而且还能对新故障进行正确的分类,避免了误诊情况的出现.     

基于移民算子遗传BP神经网络的模拟电路故障诊断

针对传统BP神经网络实现模拟电路故障诊断时存在的缺陷:容易收敛于局部最优值且训练时间过长等,提出了利用遗传算法(GA)优化的BP神经网络来对模拟电路进行故障诊断的方法.实验结果证明,优化后的BP网络可有效地避免收敛于局部最优值,大大地缩短了训练时间.同时为了提高遗传优化的收敛速度和精度,避免"早熟"现象,本文提出了一种引入移民算子的遗传算法,仿真结果表明了该算法的有效性.     

一种减少中断延迟的中断调度模型

通过对一个嵌入式实时操作系统(ARTs-OS)的研究,介绍了减少中断延迟的具体方法.在分析RT-Linux方法和VxWorks方法优劣的基础上,提出了ARTs-OS中断调度模型,给出了其实现算法,并讨论了这种算法的性能.     

Z’ code: 一种新的云数据精确修复方法*

由于云存储中用户对数据失去了控制,所以云存储存在低可用性和隐私泄露等严重的安全问题。为提高数据可用性,根据已有的冗余技术--Z code,提出Z’ code,一个新的云数据精确修复方案。首先对数据进行隐藏与编码,再将编码数据在多个云上进行分布存储。通过实验和分析,Z’ code修复一块隐藏数据块所花费的时间与Z code相差无几,而修复一块冗余块的时间比它们修复数据块的时间都要少。一方面,它能够保证数据隐私;另一方面,它能精确修复任意两个丢失数据块,进一步提高了数据可用性。     

BTDA:基于半可信第三方的动态云数据更新审计方案

云存储由于具有方便和廉价的优点,自诞生以来便得到了广泛应用。但与传统系统相比,云存储中的用户失去了对数据的直接控制,因此用户最关心的是存储在云上的数据是否安全,其中完整性是安全需求之一。公共审计是验证云数据完整性的有效方法。虽然现有方案不仅能够实现云数据的完整性验证,也能够支持动态数据更新审计,但它们也存在缺点,例如在执行多个二级文件块更新任务时,用户需要一直在线进行更新审计,而且在该过程中用户与云服务器的通信量和用户计算量都较大。基于此,提出了一种基于半可信第三方的动态云数据更新审计方案——BTDA。在BTDA中,用户将二级文件块更新审计任务代理给半可信第三方,因此在二级文件块更新审计过程中,用户可以离线,从而减少了用户端的通信量和计算量。另外,BTDA采用了数据盲化和代理重签名技术来防止半可信第三方和云服务器获取用户敏感数据,从而保护了用户隐私。实验表明,与目前的二级文件块更新审计方案相比,BTDA中的用户端无论在计算时间还是通信量方面都有大幅减少。     

一种改进的定时器实现算法及其性能分析

时钟管理是体现系统实时性能的一个因素,其中最重要的是高精度的定时器的实现,通过对一个嵌入式实时操作系统（ARTs-OS）的研究,介绍了实现通常时钟管理的方法，在分析Linux定时器方法和ATR方法优劣的基础上,给出了ARTs-OS定时器实现算法及其函数原型,并且分析了这种算法的性能，这种算法可以在不影响系统吞吐率的同时提供高精度（微秒级）的定时器。