应用于卫星网络拓扑生成的快速收敛蚁群算法

针对蚁群算法生成卫星网络拓扑时存在收敛速度慢、易陷入局部最优解的问题,从卫星网络高动态以及大时空尺度的特性出发,提出一种新算法SNTG-ACA。在满足卫星节点的可见性、星间链路长度以及链路连接时间的条件下建立潜在链路,提高信息素浓度的增量使蚁群算法快速收敛,并采用归一化思想求解全局最优解。仿真结果表明,与传统蚁群算法和引入遗传因子的蚁群算法相比,该算法具有更快的收敛速度,与链路长度最短策略和链路连接时间最长策略相比,生成的卫星网络拓扑更稳定。     

大学校园交通噪声对学生英汉阅读学习的影响研究

交通噪声是校园噪声的主要来源。本文通过实验测试,研究大学生在阅读学习过程中受交通噪声的影响;并针对学生在英、汉阅读材料的学习过程中,受噪声影响的情况进行对比分析。结果表明,学生在阅读中受交通噪声的干扰程度与噪声级大小相关,而且在不同语言阅读学习中受噪声干扰的程度存在差异。学生在不同语言学习模式下受校园噪声的影响及其差异值得关注,在高校建筑声环境的质量评价和设计改造中值得借鉴,本研究可以为该领域的进一步研究提供参考。     

基于智能手机用户行为习惯的App使用预测算法研究

互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。     

油田生产噪声影响现状及治理效果分析

目前,随着地方建设的发展,城区逐渐与油田生产区域融合,出现了大量油田生产噪声扰民的现象。针对油田生产噪声扰民的问题,对某油田中心城区内各类油田生产噪声进行监测。其中,井场类厂界噪声超标率14.0%,钻井、作业施工类场界噪声超标率20.0%。还对油田常用的噪声治理设施进行效果分析,针对目前油田噪声治理工作存在的问题提出了整改建议。     

基于多重加解密算法的无线网络通信信息安全传输系统

随着计算机技术的发展,信息的网络传输系统已经成为强大的信息互联互通平台,但在传输的过程之中,传统的传输系统存在较大的安全隐患。针对无线网络通信中的信息安全需求,通过对干扰器以及软件的创新设计,提出一种基于多重加解密算法的无线网络通信信息安全传输系统。通过对比实验证明,该系统的安全性更高,且传输时间明显短于传统传输系统,具有良好的信息保密通信效果。