门诊动态溢流排队系统感性和理性退出率分析

在现实医疗服务中,面对医生座席数量供不应求的现状,采用传统的双队列独立排队系统很难高效利用医院资源。对此,在不改变医院现有资源的情况下设置系统动态用来合理配比各门诊患者容量,在传统双队列独立排队系统的基础上建立动态溢流门诊排队生灭模型,并考虑患者在感性与理性因素下退出系统的概率,便于更准确地分析系统的真实状态。借助ProModel这一灵活、可靠的离散事件仿真软件,将模型可视化研究,并与传统的门诊排队模型进行对比分析。仿真结果显示,新型排队模型的队列平均长度、患者等待时间等服务指标均优于传统的排队模型。     

认知无线电中基于协同中继的网络性能优化

针对认知无线电和协同通信这两种技术的结合,在认知无线电中设计联合解码转发JDF方案,在保证主要网络链接的服务质量(QoS)的前提下,无论在峰值干扰约束还是均值干扰约束的情况下,都能得到最优解,使认知无线电用户的传输速率最大化;通过仿真分析可以得出:在认知无线电网络中,使用优化后的发射功率和恰当的协同中继进行传输能提高系统性能,优于直接传输和单独的协同传输.     

基于混合加权的双门限能量协作检测算法研究

研究无线电系统能量优化问题,由于路径损耗导致检测到的信号能量值减小,信号干扰增大,门限值减小,从而使双门限能量协作检测算法的检测概率降低。针对此问题提出混合自适应加权双门限检测算法。首先利用两个门限值将认知用户检测到的能量值划分为不同的区域,然后对位于两个门限值之间的认知用户检测能量值引入信噪比权重因子和距离权重因子进行混合加权,依此来自适应调整其双门限权值,以减小能量损耗较大的信号对门限值的影响,最后融合中心采用"或"准则做出最终的检测结果。仿真结果表明混合自适应加权双门限检测算法比传统等权值的双门限能量协作检测算法具有更高的检测概率,使通信系统能量检测准确性大大提高。     

基于最大加权独立集的频谱分配算法

动态频谱接入技术允许认知用户接入未授权的频谱,可以有效地提高频谱资源的利用率。频谱分配算法的时间开销和公平性是算法优劣的主要评价标准。本文从图论着色模型出发,构建了着色算法的评价体系及优化目标。针对用户间的公平性与分配的时间开销问题,在极大独立集的基础上提出了基于加权最大独立集的着色算法,获得了接近于最优的用户公平性,且该算法的时间开销等于信道数,与认知用户的数目无关。仿真分析验证了算法的正确性。     

基于层次认知模型的大学计算机课程多元混合教学模式设计与实施

根据计算思维理论中从知识到能力转变的递进过程,构建了基于层次认知模型的多元混合式教学课程体系和教学模式,并以大学计算机课程为例,以学生自主学习和协作学习为教学出发点,开发、整合出优质教学资源,设计了多样化教学活动,以培养学生综合应用计算机的软硬件知识解决本专业的实际问题为目的,最终应用到“SPOC+翻转课堂”混合教学中,达到教学目标。     

面向车辆高速移动的频谱感知算法研究

为了解决多普勒效应对于车联网中频谱检测速度与精度的影响,研究了在车辆高速移动情况下的频谱感知算法。首先通过引入认知无线电技术以及车联网技术,构建认知车联网网络,针对频谱利用率低下的问题提出一种频谱感知算法。实验结果表明,该算法可以很好的消除多普勒频移效应,提高了频谱检测的性能,解决了车辆在高速移动状态下信号失真等问题。     

基于感性工学的消防机器人造型设计研究

面向用户的情感需求,对消防机器人的造型进行改良设计,使新设计的产品造型更加具有情感关怀并满足用户的情感诉求,从而推动整个消防机器人产业的发展.通过感性工学的研究方法对用户的情感需求进行量化分析,根据分析结果对消防机器人的外观造型制定新的设计策略,最后使用回归方程公式计算模型,指导造型设计方案.感性需求的分析研究为消防机器人的设计实践提供新思路,使得消防机器人产品设计更符合用户的情感需求.     

基于量子粒子群优化极限学习机的频谱感知算法

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于量子粒子群优化极限学习机(E L M)算法的认知无线电网络频谱感知方法.针对极限学习机算法的特点通过量子粒子群算法(Q P S O)优化极限学习机参数,并构建引入结构风险思想的QPSO-ELM模型,降低算法的经验风险提高模型的泛化能力,提高算法的频谱感知性能.仿真实验表明,与人工神经网络(A N N)、支持向量机(S V M)和极限学习机(E L M)三种机器学习算法,在信噪比为-15 dB时的频谱感知性能进行比较,分别提高了16％、28％、9％,仿真证明所提算法在低信噪比情况下具有较高的性能,可有效地实现对主用户信号的频谱感知.