卫星时间窗口计算的动态步长快速算法

针对卫星轨道连续跟踪采样的时间窗口传统计算方法计算量大、效率低的问题,提出了一种新的快速算法。为减少参与计算的采样点数量,算法通过预测参与计算对象之间距离动态调整采样步长;为使算法适于解决各类时间窗口计算问题,提出广义可视概念进行时间窗口判定。分别研究了卫星与地面点目标可见时间窗口、星间可见时间窗口、卫星对地面目标覆盖时间窗口、地面大范围区域卫星过境时间窗口的广义可视判断方法和预测距离计算模型。实验结果表明,算法与传统算法精度完全一致,效率提升约99.7%。     

基于冲激雷达的运动体目标检测算法

针对冲激雷达脱靶量测量中的检测问题,提出了一种新的时域多门限信号检测算法。根据冲激雷达的特点,首先采用距离门等效采样方法对运动体目标回波采样,并在此基础上,利用多门限对各距离门采样信号进行散射点回波的检测,进而通过各散射点回波平均功率的求取实现对各散射点回波的识别,从而解决了后续数据处理中信号检测精度过低和散射点无法识别的问题。仿真结果表明该算法可得到满意的检测结果。     

服务级管理中的性能可用性算法研究及实现

随着网络和网络多媒体业务的迅速增长乃至基于Web的网络服务方式的普及，客观上要求Web服务不仅能够提供快速的服务，也要满足较高的服务可靠性和可用性的要求，为了更有效地管理Web服务质量，本文提出了一种服务级管理中的性能可用性分析算法，该算法能够在对QoS的延迟，抖动，丢失率，吞吐量等参数测量的基础上，基于网络服务元素多态性和周期性分析算法，该算法能够在对QoS的延迟，抖动，丢失率，吞吐率等参数测量的基础上，基于网络服务元素多态性和周期性轮询机制完成对Web服务的性能可用性参数的计算和预测，最后将该算法应用到一个简单的Web服务器组中进行性能参数测量并计算出具体数值。     

非均衡IPTV数据集下的用户报障预测

针对传统算法在非均衡交互式网络电视(Internet protocol television,IPTV)数据集下用户报障预测效果不理想的问题,本文将影响网络服务质量(Quality of service,QoS)的传统网络参数和主观反映用户体验质量(Quality of experience,QoE)的MOS评分结合来预测用户是否报障。本文在已有的ODR-BSMOTE-SVM 算法基础上,针对过采样算法产生噪声以及核参数没有进行优化的缺陷,提出了一种改进型算法。该改进算法首先采用欠采样、过采样算法及数据清洗算法对原始非均衡数据进行处理,然后通过自适应变核参数寻找近似最优值,最终实现提升分类效果。实验结果表明,较传统标准支持向量机(Support vector machine, SVM)算法和ODR-BSMOTE-SVM 算法,本文算法能获得更佳的预测效果。     

基于IPv6流量监测自适应采样算法研究应用

为了解决高速IPv6网络流量测量,在传统自适应采样算法(FLC)基础上提出了模糊逻辑自适应采样算法(MFLC)。该算法的基本思想是模拟人类的思维方式处理流量采集的频率,将该算法用于分布式的网络流量多点测量,定义相对流量变化率,并对模糊度进行数字化过程,简化模糊规则。通过大量的定性和定量的实验数据表明,采用此算法可用于分布式的网络流量多点测量,为更全面分析IPv6网络性能提供数据。     

改进GP分形理论的最近邻序列预测算法

针对现有的时间序列分析和预测算法中主观性太强的缺点,借助分形理论对时间序列作有效的分析。改进了分形理论中的GP算法和复自相关法的计算方式,从而使之更适合相空间的重构和预测,然后在重构后的相空间中选择累积采样轨迹的最近邻点作一次性的序列预测。提出的算法避免了人工过多的干预调整,通过在两个具体时间序列数据集上的验证,与其他预测算法相比,该算法的分析结果稳定而准确、预测精度高、运行时间比较短。     

基于改进RRT算法的智能车辆路径规划研究

针对快速搜索随机树(RRT)算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题，提出了一种改进的RRT算法。改进算法采用渐近区域采样并融合偏向目标采样机制，有效防止随机采样点的反向搜索，提高对采样空间的利用率，保证了采样的方向性；用动态圆规则化处理车辆有效避免碰撞和通过狭窄区域，采用基于三角不等式的方法对路径冗余点进行修剪，在此基础上采用三次B样条线平滑的方法对路径优化。最后通过MATLAB仿真对比分析，证明了上述算法的有效性，并且搜索次数更少，用时更短，规划出的路径效果更优。     

基于Level Set方法的点采样曲面测地线计算及区域分解

点采样物体的几何处理是当前造型领域中的研究热点之一,如何有效地对点采样曲面进行区域分解是几何处理的基础性工作．该文首先提出了一种基于Level Set方法的点采样曲面上两点间最短路径的计算方法,用以解决区域分解中的边界曲线生成问题．为了保证求解Level Set微分方程的稳定性,文章采用移动最小平方(MLS)方法对点采样曲面进行均匀重采样和去噪音处理．在此基础上,又进一步提出了一个基于Level Set方法的点采样曲面区域拾取算法．最后给出了上述算法在点采样物体的几何处理中的应用实例．实验结果表明该文提出的算法稳定、快速且容易实现。     

基于优化动态PLS的常压塔重整料终馏点软测量研究

针对某炼油厂常压塔重整料终馏点软测量模型估计精度不高的问题,利用网格搜索(grid search)法优化动态软测量建模中最大滞后时间和再采样间隔,建立了一种基于动态PLS的软测量模型。结果表明对动态软测量再采样间隔和最大滞后时间的优化,可以显著降低模型的预测误差和计算量。动态软测量的预测误差明显小于静态软测量模型,能取得较好的预测效果。     

一种基于最小二乘支持向量机的预测控制算法

针对工业过程中普遍存在的非线性被控对象，提出一种基于最小二乘支持向量机建模的预测控制算法．首先，用具有RBF核函数的LS-SVM离线建立被控对象的非线性模型；然后，在系统运行过程中，将离线模型在每一个采样周期关于当前采样点进行线性化，并用广义预测算法实现对被控系统的预测控制．仿真结果表明了该算法的有效性和优越性．     

一种改进的自适应流量采样方法

高速链路对实时网络流量监测提出挑战.由于流量采集分析设备性能的限制,采用精确、高效的采样方法进行流量监测分析已成为必然.最简单的固定概率采样能监测较大业务流,但往往忽略掉比例几乎超过80%的较小业务流.数据流算法可以实时高效采集高速链路数据,基于该算法的SGS(sketch guided sampling)采样技术可以实时准确估计流大小分布,但当采样速率增大到监测系统处理能力最大值时,该方法的准确性迅速降低.基于SGS方法,提出一种自适应实时网络流量的采样方法SRGS(sketch and resources guided sampling).该方法将监测系统处理能力作为采样概率调节的一个重要参数.实验结果显示,SRGS方法能够及时根据当前流大小和监测系统处理能力,调节数据包采样概率,准确性高于SGS方法.     

Adaptive sampling algorithm for detection of superpoints

The superpoints are the sources （or the destinations） that connect with a great deal of destinations （or sources） during a measurement time interval, so detecting the superpoints in real time is very important to network security and management. Previous algorithms are not able to control the usage of the memory and to deliver the desired accuracy, so it is hard to detect the superpoints on a high speed link in real time. In this paper, we propose an adaptive sampling algorithm to detect the superpoints in real time, which uses a flow sample and hold module to reduce the detection of the non-superpoints and to improve the measurement accuracy of the superpoints. We also design a data stream structure to maintain the flow records, which compensates for the flow Hash collisions statistically. An adaptive process based on different sampling probabilities is used to maintain the recorded IP addresses in the limited memory. This algorithm is compared with the other algorithms by analyzing the real network trace data. Experiment results and mathematic analysis show that this algorithm has the advantages of both the limited memory requirement and high measurement accuracy.     

Context-aware enhancement of personalization services: A method of power optimization

Context-aware applications, which consist of a sensor system, a reasoning system and service artifacts such as mobile devices, kiosks and robots, require data from the sensors to be queried on a continuous basis. The smaller the sensing interval and the greater the amount of service time, the more accurate the service, but the more energy is consumed. Thus, use of context-aware applications always involves a trade-off. In this paper, we propose an automatic method of optimizing the level of personalization involving the sensing cycle and service time of a personalized application. The method proposes a quadratic form of total cost curve which demonstrated that the minimum identified value is always the global optimum. This eliminates the necessity of an exhaustive search for the minimum value for all levels of personalization.     

一种基于用户的自适应类选择算法

针对QoS管理模型中的自适应处理模块进行了深入研究,提出了基于用户的自适应类选择算法,该算法不仅能够提高用户的满意度,而且能够均衡各个服务类别在网络中的负荷,保证应用的服务质量,实现QoS管理的自适应性.算法采用了基于下一时刻的预测方法进行估算,从而优化了参数取值,使用户选择的服务类别更加精确.     

MAGA-WNN模型在明胶浓度软测量中的应用

胶液浓度的测量在明胶的生产过程中是一项很重要的任务,为解决明胶浓度胶液手工检测中存在的滞后时间长、测量误差大等实际问题,将软测量技术应用到明胶的浓度测量中。通过对明胶生产工艺的分析,采用小波神经网络建立软测量模型,利用混合变异自适应遗传算法对模型参数进行优化。用现场采集并归一化后的120组数据做仿真实验,其中80组作为训练,40组作为预测。仿真结果表明,该算法迭代67次后误差平方和低于0.01并趋于稳定。证明混合变异自适应遗传算法可增强小波神经网络模型的鲁棒性和提高收敛速度。所以该算法用于明胶浓度的软测量中是可行的。     

自适应网络往返时延采样方法

在讨论周期性数据采样算法弊端的基础上,提出自适应往返时延（RTT）的采样算法。该算法以时延变化率作为动态控制采样频率的主要依据,根据网络时延变化的缓急自动调整采样时间间隔。通过实验分析证明,该算法实现简单,可有效地跟踪网络RTT变化情况,从总体上减少采样工作量,减轻因网络测量而给网络带来的额外负载。     

双机协作的抽样测量与多次抽样技术研究

阐述了掩码匹配抽样的基本原理,给出了抽样获取Intranet出口流量的基本方法和拓扑结构;为实现长时间的连续抽样测量,设计并用Java 语言实现了两台测量主机之间的协作算法;为逐步而平滑地减少部分数据而不造成原始流量性质失真,提出了基于掩码匹配的多次抽样方法,通过对流量数据的分析表明,多次抽样前后报文的长度分布及协议分布一致。     

基于计算机辅助的医学图像测量与控制方法研究

医学图像常规检查中,需要对目标图像进行测量以获取相关数据。测量主要集中在对距离,面积,角度以及周长等数据的获取。由于医学检测的严谨性,数据准确,方法简便是必不可少的要求。随着计算机技术的发展,其在医学中的应用也得到了广泛的推崇。计算机辅助的医学图像测量不但替代了传统的手工测量方式,也极大地提高了测量的精度与效率。分析医学图像测量算法,针对如何确定目标区域的问题设计了颜色填充的方法,可有效区分出目标区域图像。为了提高该算法的效率,进一步提出了其改进算法,降低了算法执行次数,提高了系统性能。     

A framework for measuring the performance of service supply chain management

Despite the increasing attention to the service supply chain management by both practitioners and academics, the performance measurement of service supply chains still remains unexplored. Most service firms realize that, in order to evolve an efficient and effective service supply chain, service supply chain management needs to be assessed for its performance. A literature review was conducted on performance measurement issues of service supply chains. This paper develops a framework of service supply chain performance measurement. Based on the strategic, tactical and operational level performance in a service supply chain, measures and metrics are discussed. The emphasis is on performance measures dealing with service supply chain processes such as demand management, customer relationship management, supplier relationship management, capacity and resource management, service performance, information and technology management and service supply chain finance. And to prioritize service supply chain performance measurement indicators to improve service supply chain performance, a methodology based on the extent fuzzy analytic hierarchy process is stressed. The developed framework of service supply chain performance measurement is applied to the hotel supply chain. The results of this study are useful both to practitioners in the service supply chain and to researchers carrying out further studies in the field.     

随机分组抽样下子群体的流大小分布估计

随机分组抽样是网络管理和测量中最常见的抽样方法。已有的研究大都集中在此抽样方法下基于总体的流大小分布估计算法,但一些网络应用更关心总体流量中某个子群体的流大小分布。本文将总体的网络流划分成子群体S和子群体的补集-S,提出了一种在随机分组抽样下运用TCP协议信息的由S与S-共同组成流大小的联合分布的估计算法。实验证明,该算法能够较好地还原子群体及其在总体下的流大小分布的特征;另一方面,通过运用样本流中TCP协议信息,提高了子群体流大小分布估计算法的准确性。