基于在线LS-SVM的网络流量预测

为了提高流量预测的准确性,将混沌理论和在线LS-SVM回归技术应用于网络流量预测。采用相空间重构理论计算流量的时延τ、嵌入维数m,据此确定训练样本对并建立在线预测模型,对网络流量数据进行预测。结果表明,该方法能有效地进行流量预测,相对于传统的离线预测方式,该方法具有更好的预测精度。     

基于SD7218A的键盘和LED显示设计与实现

基于显示驱动芯片SD7218A设计一种键盘和LED的显示电路.在分析SD7218A芯片的串行接口通信规范与I2C总线的通信规范异同的基础上,提出一种用标准I2C接口开发该串行接口的一种方法.其间利用LPC2131的I2C接口与SD7218A的串行接口相连设计硬件电路,结合I2C总线与模拟该串行通信模式设计软件代码,给出了具体的程序流程图及关键程序.该设计仅使用两根信号线,硬件设计简单,在软件设计中结合使用了硬件I2C接口,简化了软件设计同时也提高了系统的稳定性.     

基于速度障碍法的三维确定型冲突探测模型

自由飞行模式的提出,给空中交通安全带来了巨大压力,对冲突探测技术提出更高要求。针对自由飞行条件下传统二维速度障碍探测模型在三维空间内进行飞行冲突探测存在局限性的问题,文章提出一种基于速度障碍法的三维确定型冲突探测算法:在椭球状保护区基础上,选取飞机当前位置、速度矢量、航向为特征量,基于速度障碍法对2机的冲突状态进行定性判断,并预测冲突时间。最后,在4种随机模拟飞行场景下对算法进行仿真。仿真结果表明:在不考虑其他条件的情况下,该模型能够有效判断在三维空间内的2架飞机是否存在潜在飞行冲突,并得出预计飞行冲突时间。     

基于支持向量机和云模型的网络健康状态评估

分析了支持向量机分类方法的几何意义,结合健康评估问题的定义提出了一种基于支持向量机的网络健康评估方法.将健康评估转化为分类问题,以点到健康分类边界的距离为评估参数从整体上评价网络健康状况,降低了主观因素对网络评估的影响.采用云模型实现了健康度与评语域之间的不确定性映射,更符合评估的实际情况.基于opnet的仿真实验结果表明了该方法的可行性.     

基于双重支持向量机的网络故障诊断

为了提高网络故障诊断模型的建立和诊断速度,提出一种双重支持向量机(Dual-SVM)算法.通过两次SVM训练确定诊断模型:第1次SVM训练通过两类样本的类中心和样本点在类中心连线方向上的投影分布情况直接确定近似最优分类面;第2次SVM训练根据第1次的训练结果选择边界样本点并计算其模糊隶属度,通过模糊SVM获得诊断模型.在DARPA数据集上的实验表明, Dual-SVM相较SVM能够获得更快的训练速度和更加简单的故障诊断模型.     

基于最优样本集在线模糊最小二乘支持向量机的飞行冲突网络态势预测

针对空中交通系统运行周期性和时变性的特点，结合复杂网络理论和模糊最小二乘支持向量机（LSSVM），提出一种基于最优样本集在线模糊最小二乘支持向量机（OTSOF-LSSVM）的飞行冲突网络态势预测方法。首先，基于三维的速度障碍法构建飞行冲突网络模型，并根据航空器的位置、航向和速度判断冲突；其次，分析飞行冲突网络拓扑指标的演化时间序列，得到与预测时刻在时间和距离上相关的样本组成最优样本集；最后，采用在线模糊LSSVM训练得到预测模型，并在模型更新过程中通过分块矩阵思想简化更新过程，提高算法效率。实验结果表明，所提方法能够快速、准确地预测空中态势，为管制员掌握空中交通的发展情况提供参考，并辅助进行冲突的预先调配。     

基于Voronoi图和改进K-means的扇区优化研究

扇区划分是空中交通管制的一项重要工作，合理的扇区划分能够提高空域的使用率，保障航空器的飞行安全。鉴于平峰时段的扇区划设不能很好适用于复杂空情的现状，提出一种基于Voronoi图和改进K-means的扇区优化方法。依据空情态势构建冲突网络，结合航空器速度障碍关系和复杂网络理论提出了扇区综合管制负荷计量方式。依据负荷值采用改进K-means聚类方法确定了合理的聚类中心作为Voronoi图的生成元，从而使用Voronoi图的划分方法生成合理边界来优化扇区。采集厦门空域管制扇区数据作为仿真场景进行了计算分析，结果表明，在繁忙时段，优化后的扇区管制负荷平均方差相比原扇区降低了66.04%,平峰时段降低了13.88%,达到了均衡扇区负荷的目的，验证了扇区优化方法的有效性，为现有的扇区划设工作提供了参考依据。