星网的4-限制边连通度

星网是并行与分布式处理系统中最流行的互连网络之一,它以n维星图作为拓扑结构。k-限制边连通度是衡量网络可靠性的重要参数之一;一般地,网络的k-限制边连通度越大,它的连通性就越好。研究了星网的k-限制边连通度,证明了当n≥4时,n维星网的4-限制连通度为4n－10。     

星型网络的3-限制边连通性

星型互连网络是并行与分布式处理领域中最流行的互连网络之一,它以n维星图作为拓扑结构。k-限制边连通度是衡量网络的可靠性的参数之一。一般来说,一个网络的k-限制边连通度越大,其连通性就越好。研究了星型互连网络的k限制边连通度;证明了当n≥3时,n维星型互连网络的3-限制连通度为3n－7。     

云计算环境下混合多样木马群检测技术仿真

提出基于粒子辨别树联合算法的云计算环境下混合多样木马群检测方法.对云计算环境下的木马进行有效的分类处理,根据分类结果构建关联粒子入侵辨别树,利用攻击特征更新理论和更新后密度分布理论完成云计算环境下混合多样木马群的检测.实验结果表明,利用该算法进行云计算环境下混合多样木马群检测,能够有效提高检测效率,降低漏检率.     

监控系统协议仿真研究

通过分析监控系统的通讯协议,提出了利用计算机进行协议仿真,以串行接口为例给出一个通用的协议仿真软件,并介绍了若干个应用实例.     

探索实现C功能的C++新方法

本文从几个方面对C 的新方法和C语言相应功能进行比较,探索出了新的方法来实现C语言的同样功能,只是这些新方法使用起来要比C语言中的简单和方便得多。最后对这种探索提出新的展望。     

基于智能视觉的高压电力网络的线路监测

传统的高压电力网络监测主要是依靠工作人员对电力网络进行人工的巡查发现问题,在监测过程中会因为工作人员自身的因素,导致工作效率低下,降低电力网络检测标准。并且,在野外进行高压电力网络检测必须投入大量人力、物力。为此,提出一种基于智能视觉的高压电力网络线路监测方法,通过在电力网络线路中安装监控设备,提取线路环境实时图像,对采集的图像数据进行预处理,去除噪声和扰流。建立帧间差分比对方法,发现采集图像集合各帧间差异,提取出异常情况,及时报警的监测方法。仿真实验表明,基于智能视觉的高压电力网络线路监测方法能够适应恶劣的自然环境,在发现和处置电网线路异常情况时比传统人工方法高出500个百分点,能够广泛应用,并且基于智能视觉的高压电力网络线路监测方法减少了人力、物力投入,降低了电力网络维护成本。     

人工智能在网络拥塞控制中的路径优化研究

研究网络拥塞控制问题,由于网络数据量增大,使网络的吞吐能力下降,延长传输时间,引起信息丢失.要解决网络拥塞控制的路径优化问题,采用单一的遗传算法或粒子群算法对网络拥塞路径进行优化,其精度较差.为了提高网络拥塞控制路径优化的速度和精度,提出将遗传算法和粒子群算法组合方法,实现控制网络路径的优化.组合算法在优化前期采用粒子...     

基于智能视觉的高压电力网络的线路监测

传统的高压电力网络监测主要是依靠工作人员对电力网络进行人工的巡查发现问题,在监测过程中会因为工作人员自身的因素,导致工作效率低下,降低电力网络检测标准。并且,在野外进行高压电力网络检测必须投入大量人力、物力。为此,提出一种基于智能视觉的高压电力网络线路监测方法,通过在电力网络线路中安装监控设备,提取线路环境实时图像,对采集的图像数据进行预处理,去除噪声和扰流。建立帧间差分比对方法,发现采集图像集合各帧间差异,提取出异常情况,及时报警的监测方法。仿真实验表明,基于智能视觉的高压电力网络线路监测方法能够适应恶劣的自然环境,在发现和处置电网线路异常情况时比传统人工方法高出500个百分点,能够广泛应用,并且基于智能视觉的高压电力网络线路监测方法减少了人力、物力投入,降低了电力网络维护成本。     

混合道路状况下基于单片机的汽车智能路径选择系统设计

针对当前汽车在混合道路状况下排队等待时间长的问题,设计并实现了一种混合道路状况下基于单片机的汽车智能路径选择系统,系统采用光电传感器进行汽车速度与间距的测量,采用CCD摄像机获取某路段汽车运行情况图像的视频图像,采用SAA7113视频解码器通过抗混叠滤波、A/D转换成数字图像存储到高性能计算机中,汽车智能路径选择引入最大类间方差算法(OTSU),依据车辆和背景的方差动态确定图像分割阀值,获取排队车辆图像区域,按照视频的时间获取车辆的排队等待时间信息;并对获取的数据信息进行分析和处理,最终实现汽车路径的时间最优或路状最优选择;实验结果说明系统选择路径的车辆排队时间与最优等待时间匹配度达到98%,误差控制在2.5%以内,并且系统具有超高的稳定性,应用前景广阔。