基于NDIS网络数据包过滤技术研究

介绍了Windows操作系统的设备驱动程序的结构，着重介绍网络NDIS中间层接口的原理，论述了如何通过NDIS实现TCP／IP网络数据包的截获技术，通过对截获的数据进行分析，可以非常方便地在此基础上做加密、过滤等附加操作。     

基于WinPcap系统的网络截包程序的开发应用

本文在分析Win32平台中基于WinPcap网络系统体系结构的基础上，给出了如何利用VC6．0集成开发环境，开发基于Win32平台上的典型网络数据包截获分析系统的方法和技术。利用这些方法和技术，还可以进一步开发出如网络入侵检测系统(IDS)等各种网络安全应用系统。     

基于Linux和高速网络环境的网络监控系统设计

目前,基于Linux的网络监控系统不多,大多数传统的网络监控系统在高速网络环境下经常出现丢包现象。为此,结合分层软件设计和协议分析技术,设计了一个基于Linux和高速网络环境的网络监控系统。在系统的关键部位引入缓冲队列集,并利用同步信号量机制来同步数据包截获和分析在速度上的差异,同时使用延迟写方式来降低磁盘的读写开销,进一步优化了系统的性能。该网络监控系统有效地解决了高速网络环境下的数据包截获和分析的问题,可以较好地完成目前高速网络环境下的网络监控任务。     

基于TCP／IP协议的网络教学系统设计

通过对高校网络教学现状的调查与分析，提出了总体的设计目标以及设计方案，包括系统运行环境以及系统展现内容．系统采用C／S模式，通过主机与客户机发送数据包，利用网络包截获的相应技术以及包过滤等策略，对特定的数据包进行分析，将各类协议首部用的二进制代码展现，可更直观的看到网络传输的具体方式，同时可将二进制代码转换为十进制，使系统具有更强的可视性．     

园区骨干网的QoS策略

比较了Internet骨干中的简单方法和基本统计方法2种不同QoS策略，并对基本统计方法进行改进，结合简单QoS方法，提出了园区骨干网综合QoS解决方案，有效地满足了延时、延时抖动和丢包的特殊要求，充分利用了骨干的带宽资源，提高了园区网的可靠性、稳定性和安全性．     

脉冲式与连续波式导航雷达反截获能力分析

为了分析脉冲雷达与连续波雷达的探测效能,重点研究了在不同蒸发波导高度条件下两种体制导航雷达的反截获能力.首先给出了脉冲式和连续波式导航雷达截获因子的度量方法,然后对这两种体制的雷达在标准大气和蒸发波导条件下的截获因子进行了仿真.仿真结果表明,在反截获方面,连续波式导航雷达明显优于脉冲式导航雷达.     

分布式MIMO雷达的低截获特性分析

针对距离因子不适用于分析组网雷达低截获特性的问题,提出了能够定量衡量双基地雷达低截获特性的参数,并将其推广到组网雷达的情况．通过绘制参数的等值线图对分布式MIMO雷达的低截获特性进行了分析,给出了在不同空间分布下的MIMO雷达系统的“静寂”探测范围．仿真结果表明,相对于单基地雷达,分布式MIMO雷达系统的低截获特性不仅与雷达参数有关,还与系统中发射机与接收机的空间分布有关．分析表明,提高空间分集增益是实现低截获MIMO雷达的关键．     

相控阵雷达系统低截获概率设计

从低截获概率雷达的截获因子出发，探讨了从天线设计、信号处理．系统损耗等方面提高雷达低截获性能，并在此基础上，结合现代相控阵雷达技术的特点，提出了基于低截获概率的相控阵雷达系统的设计思想。     

扩谱雷达信号截获时间研究

讨论了几种典型的扩谱信号载获方法：单停顿截法、多停顿截获法、并行匹配滤波器法、Ｚ截获法和扩展窗截获法,探讨了确定扩谱雷识别系统的一般方法,并对平均截获时间、截获概率、虚警概率、信噪比等重要参数进行了讨论。     

建设项目多方案评价方法的应用研究

介绍了数据包络分析(Data Envelopment Analysis(DEA))的原理和经济含义，以及DEA方法中C^2R模型的评价方法和步骤，并利用C^2R相对有效性评价模型，结合建设项目多方案评价的输入和输出指标体系，对建设项目多方案进行综合评价，获得了不同方案投资的相对有效笥和决策方案的优劣顺序，同时对非DEA有效的方案，利用决策单元在DEA相对有效面上的投影原理，提出了改进方法。     

Recovering unknown topology in a two-layer multiplex network: One layer infers the other layer

There have been increasing interests in studying multiplex dynamical networks recently. This paper focuses on topology identification of two-layer multiplex networks with peer-to-peer interlayer couplings. For a two-layer network model in which different layers have different coupling patterns, we propose novel methods to recover unknown topological structure of one layer, using the information of the other layer known as a prior. The proposed methods make full use of the measured evolutional states of the multiplex network itself, and treat the layer with a known structure as an auxiliary layer which is designed to identify the unknown topological layer. Compared with the traditional synchronization-based identification method, the proposed methods are in no need of constructing an additional auxiliary network to identify the unknown topological layer, and thus greatly reduce the cost of topology identification. Finally, numerical simulations validate the effectiveness of the proposed methods.

     

改进Elman网络的逼近性质研究

提出了能够用于非线性系统建模的一种新型回归网络,该网络是Elman网络的改进,由输入层、隐层和输出层构成.输入层由外部输入和内部状态层组成,隐层到状态层的连接是任意的,因此在逼近系统时,改进的Elman网络比Elman网络有更多记忆空间.同时证明了改进的Elman网络能够逼近一定时间内的非线性系统的输出轨线,提出了利用动态反向传播算法训练神经网络的前向和反向权值,仿真结果验证了该方案的有效性.     

一种综合改进的BP神经网络及其实现

从网络拓扑结构、增加动量项、增加学习速率自适应调整、增加权重初始化的N－W法等几个方面讨论了BP神经网络的改进，通过这几种方法的组合实现了一种新的改进型网络。详述了网络结构参数如学习速率初始值、隐含元个数、网络收敛精度等的确定原则和方法，并针对某一问题进行了计算分析。计算中重点分析了学习速率和隐含元个数的确定、各种单一改进方法和综合改进方法的比较、网络训练样本量的取舍等。分析表明改进方法是有效果的。     

基于Spiking的RBF神经网络故障诊断算法

神经网络是一种不依赖模型的控制方法,其自身并不需要给定预先需要的有关先验知识和判断函数,因此能对变化的环境（包括扰动和噪声信号等等）具有良好的自适应性.RBF神经网络是具有单隐层的三层前馈网络,由输入到输出的映射是非线性的,而隐含层空间到输出空间的映射是线性的.其优点在于收敛速度快,具有唯一最佳逼近的特性,且不会陷入局部最小的问题.Spiking神经网络采用时间编码的方式来进行数据处理,更接近于实际生物神经系统.基于Spiking的RBF神经网络在预测精度和误差控制上有着显著的效果.     

基于认知层的认知网络结构及其认知方法

设计了一种认知网络系统结构即独立于传统OSI七层结构的新的认知层,方便认知网络实现中的模块化,并降低未来网络系统实现的复杂度.给出了认知层的功能实现模块,阐述了2种认知能力具体的实现方法:利用多目标遗传算法对认知网络进行"离线内省"学习,解决"有经验指导"的学习问题,提高认知网络的离线学习能力;利用案例推理对认知网络进行"在线判决",解决模型的快速匹配问题,提高认知网络的实时处理能力.以异构网络中流量控制为例对这2种认知能力进行了仿真.仿真结果表明,加入认知以后网络的各项Qos性能有明显提高.     

基于PReLUs-Softplus非线性激励函数的卷积神经网络

针对卷积神经网络表达能力和识别效果受卷积层激励函数影响的问题,提出了一种新型非线性激励函数PRe LUs-Softplus,并将其应用于神经网络卷积层.对新型神经网络和采用传统激励函数的神经网络在MNIST和CIFAR-10标准数据库上进行了图像识别对比实验,结果表明,相比于采用传统激励函数的神经网络,使用PRe LUs-Softplus激励函数的卷积神经网络在不同的池化方式下图像识别计算收敛速度更快,显著降低了识别的错误率.     

一种优化神经网络结构算法

给出了一种优化三层神经网络结构算法。首先以较大隐层节点数进行学习，然后根据隐层输出信息提取各节点之间的线性特征来优化隐层节点数。对隐层输出信息提取各节点之间的线性特征，给出了两种方法：一种是在ＢＰ神经网络迭代后用自适应线性单元来提取隐层输出各节点之间线性特征，另一种是在ＢＰ神经网络迭代时就尽量使隐层输出各节点之间呈线性，然后用上种方法来提取隐层输出各节点之间线性特征。实例验证，后一种比前一种能更好地优化ＢＰ神经网络结构。     

基于LabVIEW 的RBF神经网络实现

LabVIEW 是一种图形化编程语言,被工业界和研究实验室广泛使用。RBF神经网络是一种三层前 向网络,可有效地进行非线性模型的辨识。介绍了3种在LabVIEW 实现RBF神经网络计算的方法。用LabVIEW 完成了RBF神经网络的程序开发并进行了函数逼近验证。仿真结果表明,使用本文方法方便有效,把RBF神经网 络与虚拟仪器开发平台结合,拓宽了其应用领域。     

BACnet网络拥塞控制机制分析与建模

首先介绍了网络拥塞及拥塞控制的基本概念,然后通过分析BACnet协议的特点和网络层报文的处理过程,阐述了BACnet网络拥塞控制机制的工作机理。在此基础上,分别建立了基于概率丢失和基于优先级的网络拥塞控制模型,从而为进一步改善BACnet网络的性能提供了新的思路和方法。     

混合PSO优化卷积神经网络结构和参数

为了使卷积神经网络在非经验指导下自动寻得最优连接,并提高其参数优化效率,提出用粒子群优化卷积网络参数,并用离散粒子群优化卷积网络特征图之间连接结构的新方法。先使用粒子群优化所有权值,再采用离散粒子群优化降采样层和卷积层之间特征图连接结构。将该方法用于MNIST数据集和CIFAR-10数据集,实验结果表明,相比其他连接结构的卷积神经网络和其他识别方法,该方法可以有效实现网络结构及参数的优化,加速网络收敛并提高识别准确比。