基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。     

采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

基于车联网的广播MAC协议性能分析

针对车载自组织网络IEEE 802.11协议中媒体访问控制(medium access control, MAC)层一维广播性能分析模型不适用于小竞争窗口的问题,提出一种考虑了连续冻结过程(consecutive freeze process, CFP)现象的二维马尔科夫模型。将CFP映射为连续发送分组过程和连续退避冻结过程,分析得出饱和状态下节点各状态转移的概率,并推导出节点广播分组的性能表达式。仿真结果表明,与一维分析模型相比,即使是在争用信道的竞争窗口较小情况下,该二维分析模型也能很好地预测饱和状态下节点广播分组的平均时延、吞吐量和成功接收率。     

一种基于CST技术的机翼参数化描述方法

为了确保翼型性能，需要采用恰当的翼型参数化方法生成所需要的翼型几何体。利用CST方法生成具有代表性的Clark-Y二维机翼，同时对CST方法生成三维几何体进行了详细研究。在原有的CST方法基础上对生成三维机翼的方法进行改进，用来解决机翼外形不连续变化的情况，生成可控分段变化三维机翼外形，控制效果良好。     

基于L0优化的网格曲面特征线提取算法

基于网格曲面特征线的稀疏分布,提出一种优化的特征线提取算法。对于给定的网格,在每个面上计算一个值或向量作为输入。对输入的度量建立L_0优化模型,使其在网格边上的跃变尽可能少且优化前后的变化较小。给出基于变量分裂技术与罚函数方法的交替方向优化算法,并引入一种迭代的策略提升解的稀疏性,以取得更高质量的特征线。实验结果表明,该算法能有效提取网格曲面的特征线,与Crest lines算法、变分算法等相比,提高了特征线提取的质量和带噪数据的鲁棒性。