DHT协议设计选项与抖动问题关联分析

因节点加入和离开引起的抖动是增加结构化P2P网络路由表更新代价的主要原因。为了找出影响网络抖动的关键因素,分析了影响抖动的路由方式、邻居选择、节点加入和节点离开以及并行查找等策略因素,发现任意两种DHT网络分别采用的五种策略都至少有两种不同,对两种DHT网络直接进行比较就很难确定哪些策略能更有效地降低抖动。因此,提出在同一网络内用不同的单个策略对网络抖动进行比较和分析的方法,称之为CSP。通过对现有DHT算法进行改进,使用CSP方法对不同的单个策略进行比较,得出以下结论:迭代路由、快速加入和周期性恢复策略和有效的邻居选择算法能更有效地降低网络的抖动。     

基于改进熵权和灰关联分析的风险评估方法

针对目前基于传统熵权法的局限性和风险评估中各风险要素之间的复杂关联性,提出一种基于改进熵权和灰关联分析的风险评估方法。     

FPGA按键模式的研究与设计

对FPGA设计中使用按键的常见方式进行归纳概括,提出单键复键两类共5种典型的按键模式:琴键、脉冲、乒乓、连发和长键模式,并对每种按键模式进行了分析与设计,同时给出了设计综合的仿真结果。     

运动控制中的调度抖动补偿方法的研究与应用

数控系统是一种典型的运动控制系统和实时应用,要求系统必须在事先设定好的时限内做出相应的响应.实时系统中存在的调度抖动会影响实时控制的精确度,抖动补偿是解决这一问题的重要手段.本文讨论了抖动的测试和补偿技术,针对当前数控系统的运动控制中任务的调度抖动的特点,提出了两种高效的抖动补偿方法,并对这两种方法的性能进行了对比分析;最后在我们开发的蓝天数控系统中对这两种补偿方法进行了实际应用,取得了较好的效果.     

采样时钟抖动对GPS信号跟踪性能影响研究

本文分析了晶振的漂移对GPS接收机的影响,从锁相环理论的角度,重点分析了采样时钟抖动对基带载波跟踪和伪码跟踪性能的影响,并给出一种环路分级降带宽的方法来消除这种影响.该方法在保证最终伪码跟踪精度的前提下,增加了跟踪环路对动态应力的容忍范围.提高了GPS接收机跟踪环路的稳定性.     

基于遗传算法和BP网络的物体识别方法

目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大.结合遗传算法的神经网络方法,充分利用GA的全局搜索能力、BP算法的局部搜索能力和鲁棒性强的特性,提出了一种用遗传算法全局优化神经网络拓扑结构和网络权值的新编码方案进行物体识别方法.仿真结果表明,该方法既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又加快GA.BP网络的收敛速度,提高收敛精度且识别率较高,从而验证了该方法的有效性.     

自适应遗传算法优化神经网络的入侵检测研究

入侵检测是一种动态的安全防护技术,能够对网络内部、外部攻击进行防御.基于神经网络的入侵检测是常见的智能入侵检测方法.针对神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出了一种将神经网络和遗传算法相结合,用遗传算法优化神经网络权值,在遗传算法优化神经网络时采用自适应遗传操作.将自适应遗传算法优化神经网络算法应用于入侵检测系统中,实验结果表明,该方法能够有效的提高系统的检测率,降低误报率和漏报率.     

基于BP神经网络的网络安全评价方法研究

网络安全涉及计算机、通信、物理、数学、生物、管理、社会等众多领域,是一项复杂的系统工程.因此,必须采用系统工程的思想和方法,对整个网络的安全状况进行综合评价,才能得出科学的评价结果.以层次分析法为基础,构建了BP神经网络评价模型,可用于网络安全等级的综合评价,从而得到更科学、合理的评价结果.研究工作为全面评价计算机网络安全状况提供新的思路和方法,对网络安全测评认证工作具有较高的理论价值和广阔的应用前景.     

渐进网格简化模型的改进算法

渐进网格模型可以用于层次细节的实现、三维网格的简化及重建等.改进并实现了一种渐进网格生成算法,针对渐进网格在简化和重建过程中各边权值计算中出现的误差,给出一种改进的权值公式,以便更精确地确定各边的优先级.同时针对简化过程中,各个块之间会出现裂缝,提出裂缝消除的方法.实验结果表明,该方法可以有效的简化模型,以满足用户的需求并提高效率.     

基于遗传神经网络的个人信用评估模型的研究

针对当前传统个人信用评价体系中的种种问题,提出了一种基于遗传神经网络(GA-NN)的个人信用评估模型.利用BP神经网络(BPNN)的自学习、自适应、强容错性,并通过遗传算法(GA)优化BP神经网络的连接权重和阚值.弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型是令人满意的.