基于优势关系的多属性群决策方法

借鉴多属性群决策和粗糙集理论,提出了基于优势关系的多属性群决策方法。该方法采用优势关系进行粗粒度划分,其适用于解决一些注重时效的实际问题。在多属性群决策问题中,利用优势粒结构的相似度确定各评价指标（属性）的权重;通过专家评价相似度定义各专家在群体中的共识程度,确定各评判专家在群体决策中的权重分量;集结群决策计算结果得到被评价者的综合能力排序,并通过实例验证了上述算法的有效性。     

亚纯函数及其齐次微分多项式分担小函数

通过研究亚纯函数及其齐次微分多项式分担一个小函数的唯一性问题,获得的两个定理推广了Kit-wingYu,林珊华,林伟川等人得到的有关亚纯数及其导数分担一个小函数的结果．     

一种基于规则的软件体系结构层性能演化优化方法

目前基于规则的软件体系结构（Software Architecture,简记为SA）层性能优化方法大多未充分考虑优化过程中规则的使用次数和使用顺序的不确定性,导致了搜索空间受限而难以获取更优的性能改进方案.针对这一问题并以最小化系统响应时间为优化目标,文中首先定义一种基于规则的SA层性能优化模型RPOM,以将SA层性能优化抽象为求解最优规则序列的数学问题;然后设计一种支持SA层性能改进规则序列执行的框架RSEF;进一步提出一种采用约束检查、修复及统计学习机制的演化求解算法EA4PO;最后以Web应用为案例与已有方法进行实验对比.结果表明：（1）本文方法较已有方法可以获取更短的系统响应时间;（2） EA4PO所引入的统计学习机制可显著提高演化求解算法的收敛速度和解质量.     

核密度估计的聚类算法*

相似性度量是聚类分析的重要基础,如何有效衡量类属型符号间的相似性是相似性度量的一个难点.文中根据离散符号的核概率密度衡量符号间的相似性,与传统的简单符号匹配及符号频度估计方法不同,该相似性度量在核函数带宽的作用下,不再依赖同一属性上符号间独立性假设.随后建立类属型数据的贝叶斯聚类模型,定义基于似然的类属型对象-簇间相似性度量,给出基于模型的聚类算法.采用留一估计和最大似然估计,提出3种求解方法在聚类过程中动态确定最优的核带宽.实验表明,相比使用特征加权或简单匹配距离的聚类算法,文中算法可以获得更高的聚类精度,估计的核函数带宽在重要特征识别等应用中具有实际意义.     

基于滑动窗口和蚁群优化算法的二次路径规划算法

针对蚁群优化(ACO)算法在复杂环境下规划能力较弱的问题,提出了一种基于滑动窗口和蚁群优化算法的二次路径规划(QACO)算法.对回退蚁群优化(ACOFS)算法的回退策略进行改进,通过降低回退路径上的信息素量,减少回退次数.第一次规划中,使用改进后的ACO算法对栅格环境进行全局路径规划;第二次规划中,滑动窗口沿着全局路径滑动,通过ACO算法规划出滑动窗口中的局部路径,并使用局部路径对全局路径进行优化,直至滑动窗口中包含目标位置.仿真实验表明:相比ACO、ACOFS算法,QACO算法的平均规划时间分别下降了26.21%、52.03%,平均路径长度下降了47.82%、42.28%,因此在复杂环境下QACO算法具有将强的路径规划能力.     

适用于大规模无线传感器网的流量优化系统设计

针对大规模无线传感器网络(WSN)流量随访问者数量增加而上升的问题,设计并实现了一种适用于构建大型WSN并降低系统流量的应用系统框架。系统采用IPv6和低功耗无线个域网的IPv6技术(6LoWPAN)搭建大规模WSN,使用消息队列遥测传输(MQTT)协议和针对WSN设计的消息队列遥测传输(MQTT-SN)协议在应用层搭建了连接WSN和传统互联网的发布/订阅结构。实验结果显示,当系统中存在5个传感器节点时,与受限应用协议(CoAP)构建的WSN应用系统相比,提出的系统框架的数据流量仅为前者的18%左右。这表明该系统框架可有效地控制访问者增加对WSN流量造成的影响。     

用块稀疏贝叶斯学习算法重构识别体域网步态模式

针对低功耗体域网步态远程监测终端非稀疏加速度数据重构和步态模式识别性能优化问题,提出了一种基于块稀疏贝叶斯学习的体域网远程步态模式重构识别新方法,该方法基于体域网远程步态监测系统架构和压缩感知框架,在体域网传感节点利用线性稀疏矩阵压缩原始加速度数据,减少传输数据量,降低其功耗,同时在远程终端基于块稀疏贝叶斯学习算法充分利用加速度数据块结构内在相关性,获取加速度数据内在稀疏性,有效提高非稀疏加速度数据重构性能,为准确识别步态模式提供可靠的数据支撑.采用USC-HAD数据库中行走、跑、跳、上楼、下楼五种步态运动的加速度数据验证新方法的有效性,实验结果表明,基于所提算法的加速度数据重构性能明显优于传统压缩感知重构算法性能,使基于支持向量机多步态分类器识别准确率可达98%,显著提高体域网远程步态模式识别性能.所提新方法不仅有效提高非稀疏加速度数据重构和步态模式识别性能,并且也有助于设计低功耗、低成本的体域网加速度数据采集系统,为体域网远程监测步态模式变化提供一个新方法和新思路.     

无线多跳网络的延迟性能分析

多跳无线网络技术具有广阔的应用前景。研究如何精确地分析、预知和保证多跳无线通信路线的端到端延迟性能非常重要。通过引入一个延迟违约概率的下限,扩展链路层等效带宽模型,并在不同的信道服务速率和无线信道条件下进行模拟。分析和仿真发现,与信道服务速率相比,最大多普勒频移对多跳延迟性能的影响更大。     

异构网络中多无线电多信道环境下信道状态预测算法研究

该文针对异构网络环境未知性的特点,基于部分可测马尔科夫(POMDP)模型,结合认知无线电频谱侦测技术,提出了一种新的多无线电多信道环境下信道状态预测算法。该算法通过对信道状态历史信息的分析,推导出信道信念状态(belief state)的初始分布和转移概率,并以此选择出具有最佳回报的信道以供接入,从而达到提高信道利用率的目的。仿真结果表明算法性能要优于传统算法。     

瑞利衰落环境中一种能量有效的多无线电信道搜索机制研究

针对当前频谱搜索机制在能量有效方面的不足,该文提出了一种在瑞利衰落条件下基于部分可测马尔科夫决策过程(POMDP)的多无线电信道搜索机制MRCSS。该机制通过对瑞利衰落环境中信道状态建立POMDP模型来分析和推导出能效最佳信道,并以此指导用户的信道选择。仿真结果表明该机制能较传统搜索机制更有效地减少感知时间和节省能耗,从而达到提高频谱感知性能的目的。