基于机器学习理论的软件可靠性预测研究

由于软件可靠性早期预测在测试前就能够使开发和测试的相关人员对软件的可靠性有一定的了解．所以对于软件如何进一步开发、测试和质量的控制都具有十分重要的作用。该文将支持向量机理论引入到软件可靠性早期预测领域中来,提出了基于支持向量机的软件可靠性早期预测模型。通过对比仿真实验,证实了此模型同传统模型相比具有预测精度更高、泛化能力更强、对样本数量的依赖程度更低的特点。     

应用小波变换改进网络流量的相空间重构

流量预测是流量工程、拥塞控制和网络管理的核心问题,网络流量非线性变化部分有混沌特性的存在.现有的网络流量研究方法只是单一采用线性或者非线性的方法进行处理,而忽略了对混沌特性的研究.针对网络流量的混沌特点,利用小波变换和非线性动力学方法研究网络流量的混沌特性,并改进相空间重构方法.将混沌吸引子投影于小波滤波器向量所张的空间中,并充分利用了小波变换的去噪优点,给网络流量预测提供了行之有效的新方法.     

基于灰预测的PID主动队列管理算法

提出一种基于灰色预测的智能 PID(GI-PID)主动队列管理(AQM)算法,该算法采用 GM(1,1)模型在线预测路由器队列长度,补偿滞后以解决网络状况反馈不及时的问题;同时根据队列误差的变化趋势,应用专家经验动态改变 PID 控制器的参数,使参数实时地随着网络环境变化而调整,实现智能控制.仿真试验表明,GI-PID 算法相比传统 PID 算法大幅度地抑制了队列长度的振荡,路由器队列收敛于期望值,同时具有较小的分组丢弃概率.     

基于Level Set方法的人脸轮廓提取

人脸轮廓提取在诸如安全检查,保安管理、交通电子监控、机器人研究等方面有着十分重要的应用价值.先利用图像背景差分法快速检测出人脸的初始矩形轮廓线,然后采用Level Set方法对视频图像进行人脸轮廓提取,Level Set演化函数空间方向上采用四阶紧致差分逼近式离散,计算过程中加入了窄带算法和全局优化方法.数值实验结果表明,该算法在不增加计算时间的基础上,可以检测出模糊或离散的边界,并得到精确的人脸轮廓线.     

面向对象程序中对象关系的描述方法

对象关系图是一种描述对象关系的工具,在分析对象关系图的优缺点的基础上,提出了一种构建带权的对象关系图的方法,并把这种描述方法运用到确定类簇中的类问测试顺序上.该带权对象关系图克服了原来对象关系图中描述类间关系过于简单,尤其是反映关联关系的强弱不明显等主要缺点.     

基于权重函数的混合DDM算法

高层体系结构已成为分布式仿真通用技术框架的核心,其中数据分发管理服务则为其提供了有效的数据过滤机制.目前常用的几种DDM算法,如基于区域的算法、基于网格的算法和简单混合的算法(基于网格的DDM和基于区域的DDM混合使用)等都存在着一些不足.基于权重函数的混合DDM算法是在简单混合的DDM算法基础上加入了对路经空间中所划分网格的权重函数设立机制和对冗余信息、虚假信息的控制机制.实验结果表明,该算法在减少算法执行时间,尤其是降低网络中的数据传输量和减少组播地址消耗方面,体现出良好的性能,进一步满足了系统的可扩缩性要求.     

适用于GRAPES数值天气预报软件的ILU预条件子

探讨了一种适用于我国自主研发的数值天气预报模式软件GRAPES的不完全LU(ILU)分解预条件子.针对GRAPES模式所特有的具有对角优势结构的赫姆霍兹方程系数矩阵,提出了一种有效的ILU分解方案,并将分解得到的预条件子应用到模式核心的动力积分计算迭代算法中,从而达到加速算法收敛,提高模式软件整体性能的目的.     

Hammerstein-Wiener模型最小二乘向量机辨识及其应用

借鉴最小二乘支持向量机求解的思路,文中提出了辨识多输入-单输出Hammerstein-Wiener模型的方法.引入共线性约束假设,将辨识问题转换为有约束的优化问题,从而辨识出Hammerstein-Wiener模型的参数.基于Hammerstein-Wiener模型,我们建立了一个多输入-单输出的滚动预测模型,对铜转炉造渣S2期吹炼所需总氧量进行了预测,其相对均方根误差为12.1%.仿真结果表明,该模型预测准确、具有较好的应用价值.     

基于无线传感器网络的井下水位监测监控系统设计

为了满足矿井水位监测监控的需要,应用数字式水位传感器和PIC单片机,开发了一种基于无线传感器网络的智能化水位传感器系统,介绍了系统的硬件和软件设计,给出了测试结果。该系统集监测、显示、报警、通信等多种功能于一体,并采用无线传感器网络,克服了有线传感器网络的局限性,避免了其他无线通信技术高功耗的缺点。实验表明:该系统具有高精度、高可靠性、低功耗的特点,有效地实现了对矿井水位的实时监测与监控。     

基于IGS和SVM的烧结返矿量智能集成预测模型

针对烧结返矿量难以进行有效预测的问题,提出一种智能集成预测模型.首先利用改进灰色系统和支持向量机两个单一模型分别对返矿量进行预测;然后基于预测精度的数学期望和标准差,通过求取最优加权系数,建立烧结返矿量智能集成预测模型进行返矿量集成预测.运行结果表明,该集成模型的预测精度高于单一模型,能有效地对返矿量进行预测.