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。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

带有局部化源的弱耦合退化奇异抛物型方程组解的爆破性

在齐次狄利克雷边界条件下讨论了带有局部化源的弱耦合退化奇异抛物型方程组u_t-(x^αu_x)_x=e^{m u(x_<sup>0}(t),t)+n v(x_<sup>0(t),t), v_t-(x^βv_x)_x=e^{p u(x_<sup>0}(t),t)+q v(x_<sup>0(t),t)的爆破性,其中x₀(t):R⁺→(0,a)是H&#246;lder连续的, T≤∞, a(a>0)是常数, m、n、p、q是正实数, α,β∈[0,2).利用上下解的方法得到了上述方程组的非负古典解的存在性和解在有限时刻爆破的充分条件,并得到了α=β条件下的解的爆破速率.     

控制器模态不匹配的半马尔可夫系统的可达集分析

研究了控制器模态不匹配的半马尔可夫跳变线性系统的可达集。在不考虑有界转移速率约束的情况下,设计了模态与系统模态不匹配的控制器,得到了系统状态轨迹有界的充分条件。然后,分别研究了模态独立和模态依赖的控制策略,进一步讨论矩阵中含有不确定的概率和部分已知的矩阵情况。最后,通过算例和仿真结果验证了模态不匹配控制方法的有效性和优越性。     

基于Rough集的磨削参数决策系统

本文介绍了5层模糊神经网络的优缺点，提出了基于Rough集构造模糊神经网络的方法，并应用于多传感器的磨削参数决策系统，达到控制磨削加工质量的目的。     

不完备信息系统的规则提取研究*

粗糙集理论和D-S证据理论都是重要的不确定性推理方法,两者各有优缺点.现实生活中,不完备信息系统广泛存在.研究了将两种理论结合用于不完备信息系统以进行规则提取,并用实例进行了验证.     

快速的层次树集合分划编码算法*

设计了一个改进算法,它仅需对小波分解矩阵进行一遍扫描即可确定层次树集合分划编码(SPIHT)算法所需的所有D(i,j)和L(i,j)重要性并完成对所有(i,j)子系数的编码,使得按照SPIHT的排序方法编码时只需查找存放D(i,j)和L(i,j)的重要性及(i,j)子系数的编码表,从而大大提高了SPIHT的编码速度.     

无线自组网络中的基于多个支配集的路由协议*

提出了一种在无线自组网络中建立多个连通支配集,使其分时共同承担网络中继传输的方法,以防止部分节点被过度消耗,维持网络中能量消耗的平衡.仿真实验表明,基于多个连通支配集的路由方法可有效防止部分节点被过度消耗、维护网络的能量消耗平衡、延长网络的寿命.     

纺牵—步法中粗旦丙纶长丝沸水收缩率初探

在纺牵联合一步法纺丝机上研究了丙纶切片的熔融指数对纤维沸水收缩率的影响，发现熔融指数高的切片，其纤维的沸水收缩率变化大。沸水收缩率随热定型的温度升高而下降。沸水收缩率可根据用户提供中心值（Ｍ）通过实验确定，一般以Ｍ±１．５为宜。     

A strengthened analysis of a local algorithm for the minimum dominating set problem in planar graphs

In recent years growing interest in local distributed algorithms has widely been observed. This results from their high resistance to errors and damage, as well as from their good performance, which is independent of the size of the network. A local deterministic distributed algorithm finding an approximation of a Minimum Dominating Set in planar graphs has been presented by Lenzen et al., and they proved that the algorithm returns a 130-approximation of the Minimum Dominating Set. In this article we will show that the algorithm is two times more effective than was previously assumed, and we prove that the algorithm by Lenzen et al. outputs a 52-approximation to a Minimum Dominating Set. Therefore the gap between the lower bound and the approximation ratio of the best yet local deterministic distributed algorithm is reduced by half.