基于知识的P2P网格资源发现研究*

针对当前网格资源管理系统扩展性差的问题,提出了具有分布式本体知识库的网格资源管理模型.新模型由分布的多个自治管理域组成;自治域之间通过DHT覆盖网连接.网格资源信息以本体知识库的形式管理:本地知识库管理域内网格知识;全局知识库则提供分布本体的语义映射以及知识的索引和定位.资源发现转换为本体知识库的实例检索推理,并且支持跨管理域的资源集发现.新模型极大地提高了网格资源管理系统的可扩展性.     

14.7 tex竹纤维/Coolmax混纺纱工艺探讨

针对竹纤维强力低、弹性差、滑爽、比电阻大等特性,对竹纤维/Coolmax混纺纱的纺纱工艺参数进行了分析和研究,探讨了提高竹纤维混纺纱质量的一些关键技术措施,并按工序作了叙述,制得的竹纤维混纺纱条干均匀,强力好,毛羽少,疵点少。     

非集中调度模型下的网格资源调度研究*

针对当前网格资源调度系统扩展性差的问题,提出了基于非集中调度模型的以保守Backfilling算法为核心的网格资源调度算法.探讨了网格任务在站点处理器数目异构情况下,网格作业多站点协同调度问题.实验仿真证明,在跨网格站的资源调度中,运用资源预留策略和多站点作业分块可以改善作业的平均响应时间,并起到负载平衡的效果.     

面向金融数据的神经网络时间序列预测模型

互联网金融风险预测是互联网金融公司决策时的重要一环。本文的研究主要针对Elman神经网络模型,通过引入时间权重与随机性因素,提出了改进的Elman神经网络模型,提高了现有Elman神经网络针对时序数据预测的精度。提出了基于时序数据的特征学习框架,可评估多个特征参数对结果的联合影响。并在此基础上,提出了一个互联网金融风险预测模型,实验结果表明,所提出的模型在金融时序预测中具有更好的准确度。     

复杂交通环境无人驾驶车辆防碰撞方法仿真

无人驾驶车辆自身具有强非线性特征,且信号时延和参数的不确定性特点显著,同时还易受道路附着系数及前后车距离等因素影响。为此提出复杂交通环境无人驾驶车辆防碰撞方法。构建无人驾驶车辆相关的动力学模型,并利用模型预测车辆在行驶过程中的相关数据。采用切比雪夫定律预处理车辆的数据信息,得到前后车辆的运动参数。通过模型预测控制法对参数求解,得到无人驾驶车辆的最佳行驶轨迹与跟踪控制序列,完成复杂交通环境无人驾驶车辆的防碰撞。仿真结果表明,所提方法的路径跟踪效果与给定路径一致、避障能力达到100%,常规状态与紧急状态下的跟踪-避障能力强。因此所提方法具有整体有效性,研究价值较高。     

球扁钢计算机优化孔型设计

采用最小能耗为目标函数，利用动态规划法建立优化模型，并将咬入条件、几何条件、轧辊强度条件、电机能力作为边界条件进行球扁钢计算机辅助孔型设计。根据限制条件划分各道次的可轧区，将其基本数据进行离散化，再进行计算，直到最后道次，得到了最优的球扁钢孔型设计方案。