基于校园网的高校教师主动信息服务平台的设计

为改进高校教师传统的信息收集方式,分析了高校教师在教学和科研活动中对信息的需求,在研究主动信息服务和多源数据收集技术的基础上设计出一种基于三层体系结构的组件式教师主动信息服务平台。实际应用表明,该平台不仅能自动收集、整理、分析校园网内的各类动态信息,还能根据教师预先定制的信息需求规则提供及时、可靠的主动信息服务。     

一种基于稀疏表示的WLAN室内定位算法

随着科技进步和人民生活水平的提高,越来越多的用户对定位技术需求变得日益迫切。基于WLAN的室内定位技术研究在此背景下应运而生,但是该技术容易受非视距离以及多径影响。而位置指纹算法有效地克服了上述缺点,并得到了广泛应用。提出一种基于稀疏表示的WLAN室内定位算法,以解决位置指纹算法K近邻方法中参数选择问题、不能综合利用全局参考点信息问题,并对其进行了实验仿真。     

基于VBA技术的因次分析自动化方法

对于化工过程或相关的工程实验等工程实际问题,数学上直接应用基本方程求解极为困难,有赖于实验研究来解决。因次分析方法将工程实际问题中实验条件下物理量之间的关联视为无因次量之间的关联,大大降低变量数目,成数量级地减少实验工作量,使相关物理量较多的化工过程通过实验获得物理量之间的关联成为可能。对于复杂的化工过程等实际问题,经典的因次分析方法涉及化工过程建模、若干个方程组的求解及大量重复而以烦琐的数学计算,才能找出这些无因次量之间关联。采用ActiveX技术与VBA混合编程进行因次分析,自动选择核心物理量、求出核心物理量待定幂次,自动对数群的4项核心物理量幂次与数群物理量组合表对照、确定无因次数群。利用VBA混合编程自动实现工程实验的因次分析,获得实验模型与原型结构之间的相似准则,建立并简化了实验关联公式,并通过示例,阐述了因次分析的自动化方法及其实现过程。因次分析自动化方法应用于学生毕业论文的工程实验设计中,分析化工过程的相似关系,为指导毕业论文的工程实验提供可靠依据,使用方便,收效良好。     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。     

推进式优化特征权重的K-中心点聚类方法

为获得更贴近于混合属性数据点集空间的相异性度量,从而探测出数据点集的更有意义的聚类分布,提出了一种推进式优化特征权重的K-中心点聚类算法。对该聚类算法进行了必要的讨论,给出其时间复杂度分析及算法收敛性分析。为实现该聚类算法的特征权重优化步骤,给出了二种不同的特征权重优化方法和几个自适应优化距离权重系数、目标函数系数的方法。这些优化方法在一定的理论层次上解决了相异性度量的自适应优化问题。通过几个UCI标准数据集验证了该聚类算法有时能取得更好的聚类质量,从而说明该加权聚类算法具有一定的有效性。给出了几点研究展望,为下一步的研究指明了方向。     

PDF文档的一种数字水印算法

针对PDF文档的结构特点,研究并提出一种新的文本数字水印算法。在不改变PDF文档原有任何可见属性的前提下,利用PDF二进制文件自身的语法和结构特征嵌入水印信息。实验结果表明,该数字水印嵌入方法具有很好的不可感知性,能有效地实现文档版权和内容完整性保护。     

粒子群算法优化相空间重构参数的网络流量预测模型

在网络流量预测过程中,相空间重构参数是影响预测性能的重要方面,传统参数分开优化,为了提高网络流量的预测精度,提出一种粒子群算法优化相空间重构参数的网络流量预测模型(PSO-BPNN);首先将BP神经网络作为学习算法,然后采用粒子群算法对相空间重构参数——延迟时间和嵌入维进行联合优化,并重构网络流量序列,最后以小波BP神经网络建立最优络流量预测模型,并采用仿真实验对模型性能进行分析,结果表明,PSO-BPNN提高了网络流量的预测精度。     

一种新的分阶段进化的粒子群优化算法

针对粒子群优化算法在优化多极值点复杂问题时容易陷入局部极值的不足,提出一种新的分阶段进化的粒子群优化算法。该方法进化过程分为两个阶段,每个阶段对应一个不同的模型,通过结合这两种模型的各自优点有效地降低群体陷入局部最优。仿真实验结果表明,对于复杂多极值函数优化问题,本文算法比标准粒子群算法的寻优能力更强。     

基于EPSO-RVM的网络入侵检测模型

为了提高网络入侵检测的正确率,提出一种精英选择策略粒子群算法（EPSO）优化相关向量机（RVM）的网络入侵检测模型（EPSO-RVM）。将相关向量机的参数编码成粒子,将入侵检测正确率作为粒子群搜索的目标,通过粒子群算法对参数优化问题进行求解,并引入精英选择策略增强粒子群算法的全局搜索能力,根据最优参数建立基于RVM的入侵检测模型,采用KDD99数据集对其性能测试,结果表明,相对于对比模型,EPSO-RVM较好地解决了相关向量机参数优化难题,提高了网络入侵检测的正确率。