BK-means:骨架初始解K-means

K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果。骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义。给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇。利用骨架簇构造骨架初始解及新的搜索空间。最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果。在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力。     

基于改进粒子群的永磁同步电机速度控制器设计

针对标准粒子群算法(PSO)把惯性权值作为全局参数,很难适应复杂的非线性优化过程的问题,提出了一种基于粒距和动态区间的权值调整策略。根据粒子的粒距大小在动态区间内选取不同的权值,并通过区间的动态变化来控制算法的收敛速度。通过对Rastigrin函数的测试表明,改进算法的收敛速度和收敛精度均有显著提高。最后,将改进算法用于永磁同步电机速度控制器的PI参数优化中。Matlab/Simulink仿真结果表明,该方法具有速度响应快、超调量小的特点,有效地提高了伺服系统的动态性能。     

μC／OS_Ⅱ中任务切换机理及中断调度技术研究

μC／OS_Ⅱ是一个源码公开的占先式多任务实时嵌入式操作系统，本文对μC／OS_Ⅱ中任务调度机制和中断管理模式进行了分析，对任务栈处理进行了改进以实现中断调度优化。     

基于智能计算的聚类挖掘研究进展

聚类是数据挖掘的主要任务之一,它在知识发现、模式识别、决策支持等方面有着重要应用,聚类挖掘已成为一个非常活跃的研究课题;近年来,基于智能计算的数据挖掘方法研究有了较大进展,机器学习、遗传算法、粒子群优化技术的应用在一定程度上改善和提高了聚类挖掘的性能和效率,但聚类技术仍面临着输入参数对领域知识的依赖性、交互动态性等方面的严峻挑战.     

基于校园网的计算机实验室管理系统开发

随着大学计算机实验室规模的扩大,管理系统软件的网络化势在必行。本文根据大学计算机实验室的特点,提出了一种使用SQLServer和VFP作为开发工具,设计开发依托校园网的C/S模式的计算机实验室管理系统的方法。     

ERP与MES集成技术及其应用研究

ERP(Enterprise Resource Planning)与MES(Manufacturing Execution System)是企业综合自动化的两个重要系统.ERP是面向管理的企业层信息系统;MES是面向执行的工厂层信息系统,为ERP系统和底层过程控制系统提供关键连接.介绍了ERP和MES的功能模型,分析了钢铁企业ERP和MES的集成方法,结合某钢轧总厂的实际应用提出了一种ERP与MES的集成技术,基于流程设计了SAP XI(Exchange Infrastructure)接口系统,并将整个接口系统分为生产计划与控制、物料管理、销售与分销、质量管理四个模块,有效地解决了ERP与MES之间的矛盾,提高了系统实时性、灵活性和生产线的运行效率.     

基于关联图谱的视频片段聚类

提出一种基于关联图谱的视频片段聚类方法。构造视频片段的关联图并将其转换成邻接矩阵,提取邻接矩阵的主分量特征值、模间邻接矩阵和模间距离后,将三者分别嵌入主成分分析和独立成分分析模式空间中,利用k-means进行聚类分析。实验结果表明,该方法能有效区分不同类型的视频片段。     

基于ECC的无可信中心的（t，n）门限秘密共享方案

利用椭圆曲线离散对数问题（ECDLP）,设计了一个无可信中心（SDC）的（t,n）门限秘密共享方案。系统的初始化、组成员的私钥、公钥的产生都不需要SDC的参与,利用各成员之间的秘密共享值,构造了秘密共享矩阵,结合Lagrange插值定理,实现了（t,n）门限秘密共享。分析表明,该方案具有较高的安全性和一定的实用价值。     

基于ECC的无可信中心的(t，n)门限秘密共享方案

利用椭圆曲线离散对数问题(ECDLP),设计了一个无可信中心(SDC)的(t,n)门限秘密共享方案。系统的初始化、组成员的私钥、公钥的产生都不需要SDC的参与,利用各成员之间的秘密共享值,构造了秘密共享矩阵,结合Lagrange插值定理,实现了(t,n)门限秘密共享。分析表明,该方案具有较高的安全性和一定的实用价值。     

粒子群优化技术的研究与应用进展

粒子群优化(PSO)算法是一种新兴的基于群智能搜索的优化技术,它是通过粒子追随个体最优解和群体最优解来完成优化,且算法简单、易实现、参数少,具有较强的全局优化能力,可有效应用于科学与工程实践中。文中综述了PSO各种改进技术、研究热点问题及其应用进展情况并指出了PSO的发展趋势及未来研究方向。