基于博弈理论的计算机病毒传播模型

已有的计算机病毒传播模型主要采用基于流行病学原理的SIR/SDIR模型。该类模型仅从计算机节点连接率考虑问题,不能准确、量化地反映病毒传播给用户带来的损失。为此,提出基于博弈理论的计算机病毒传播模型,通过分析正常用户和潜在攻击方之间的博弈,给出博弈双方期望收益的表达式。实验结果表明,该传播模型能够较好地模拟计算机病毒的传播趋势。     

高速铁路的GSM-R无线传播模型校正

为了提高在铁路沿线复杂地形环境下的Hata模型准确度,在研究GSM-R系统中的电波传播预测Hata模型的基础上,提出了一种对Hata传播模型的校正方法。结合郑西实测线路数据对市郊、平原和山区三种地形环境下进行校正,得到了不同地形下的Hata校正模型。通过对校正前后模型的误差对比,校正后的Hata传播模型准确度有显著提高。     

基于数据挖掘的4G客户识别系统模型研究

随着电信企业的重组和4G牌照的发放,中国电信市场进入更加激烈的全业务竞争时代,适应日趋激烈的市场竞争环境,成为电信企业的重要问题.如果还是通过一些传统的、简单的数据统计,对于数据的利用仅限于数据的表层信息,而没有去挖掘数据之间更加深层次的信息,是不可能从如此海量的数据和信息中找到解决复杂问题的规律的.数据挖掘技术是一种功能强大的新技术,它能帮助企业在构建数据仓库中找到最重要的信息.     

5G无线：下一代无线技术的真与伪

如果你对5G无线网络一无所知,别难过,因为这种网络其实基本上还不存在。成文的规范、新产品和所需的技术创新还没有共同让5G变成现实。     

对一种GSM-R系统无线传播损耗模型的分析

为解决铁路工程设计中传播模型适用性问题,对一种新的适用于GSM-R系统的无线传播损耗模型开展研究。利用模型的传播损耗曲线阐明模型的特性。以此为基础对模型进行合理解释,得出模型的适用范围。最后对该模型的进一步完善提出建议。     

基于数据挖掘技术的信用卡审批模型研究

针对分类预测建模数据的非对称性,提出一种基于神经网络和决策树技术结合的非对称性数据集合预测分类建模方法,建立了信用卡审批模型.结果表明:增加预测类标识决策属性后,在用不同比例的建模数据集建立的所有模型中,比例为33.33%:66.67%的数据集建立的神经网络模型最好,模型的准确率达到88.49%.     

浅谈移动通信无线传播

本文简要叙述了移动通信网络中无线传播的方式和空间传播损耗,进而对传播模型做初步的探讨     

基于传播模型和候机厅的三维无线定位技术

为了满足航空旅客在机场候机大厅的位置服务需要,同时为了降低AP(Access Point)部署的高度对定位的影响,提出了一种基于信号强度和传播模型的三维定位技术。该方法首先采用最小二乘法确定传播模型的参数,再使用最小均方差实现定位。实验结果表明,该算法的误差在3 m内,准确率达83.36%,能够满足旅客在机场候机厅内位置服务的需要。     

基于灰色-RBF神经网络的传播损耗模型训练

室内信号传播损耗模型是基于信号强度测距法的射频识别定位技术的关键。但因室内环境较为复杂且受到多径效应等因素影响,传统的基于经验的信号传播损耗模型环境适应性差,导致测距定位误差较大;而利用传统的神经网络进行传播损耗模型训练则存在所需训练样本过多、硬件采集工作量大等缺点。针对以上问题,提出在变密度采样模式下的基于灰色理论与RBF神经网络相结合的传播损耗模型训练方法。基于灰色理论,利用少量样本预测得到更多样本,并与部分原始样本共同重组样本数据进行RBF网络的训练,以构建传播损耗模型。实验结果表明,该方法可以利用较少的训练样本准确地建立室内信号传播损耗模型,可以很好地满足室内测距定位的精度要求,并可大大减少样本采集工作量。     

基于传播模型的无线传感器网络覆盖的研究

无线传感器网络在连通情况下如何部署使其覆盖率达到最大,是关系到整个网络架构的一个基本问题。受环境因素影响,在实际网络部署过程中,理论上的覆盖方法并不适用。因此通过测试传输信号并作出统计分析后,建立基于一定环境下的无线传感器网络通信传播模型,在J-Nam平台下建立仿真,系统对给定环境进行仿真并研究传感器节点如何部署产生更加有效的通信,可以得出在该环境下节点最佳部署方案,对实地网络节点部署有一定的参考价值。     

ADAPTIVE MODEL LEARNING BASED ON DYNA-Q LEARNING

Dyna-Q, a well-known model-based reinforcement learning (RL) method, interplays offline simulations and action executions to update Q functions. It creates a world model that predicts the feature values in the next state and the reward function of the domain directly from the data and uses the model to train Q functions to accelerate policy learning. In general, tabular methods are always used in Dyna-Q to establish the model, but a tabular model needs many more samples of experience to approximate the environment concisely. In this article, an adaptive model learning method based on tree structures is presented to enhance sampling efficiency in modeling the world model. The proposed method is to produce simulated experiences for indirect learning. Thus, the proposed agent has additional experience for updating the policy. The agent works backwards from collections of state transition and associated rewards, utilizing coarse coding to learn their definitions for the region of state space that tracks back to the precedent states. The proposed method estimates the reward and transition probabilities between states from past experience. Because the resultant tree is always concise and small, the agent can use value iteration to quickly estimate the Q-values of each action in the induced states and determine a policy. The effectiveness and generality of our method is further demonstrated in two numerical simulations. Two simulations, a mountain car and a mobile robot in a maze, are used to verify the proposed methods. The simulation result demonstrates that the training rate of our method can improve obviously.     

基于粗糙神经网络的传感器网络故障诊断

为了克服大量信息冗余和能量有限给无线传感器网络故障诊断带来的困难,提出一种将粗糙集与神经网络集成相结合的智能故障诊断方法(RS-ANNE)。该方法首先利用粗糙集理论的属性约简技术,提取诊断故障贡献最大的最小故障诊断特征集合,然后根据最小故障诊断特征确定神经网络的初始拓扑结构,建立故障特征与故障之间的映射关系,最后通过子网表决得到最终诊断结果。实验结果表明,RS-ANNE诊断方法诊断正确率为95.67%,与ANNE方法相比计算量减小22.98%,诊断正确率提高13.88%。     

一种基于防火墙的校园网蠕虫传播模型

近年来,蠕虫的快速传播已经成为因特网安全的主要威胁。研究了在安装有防火墙的校园网环境下蠕虫的传播模型以及防火墙对蠕虫传播的影响,并得出了相应的结论。     

基于神经网络迁移学习的蒙汉机器翻译方法

针对蒙汉神经机器翻译过程中出现严重未登录词的问题,利用字节编码技术对蒙汉平行语料进行预处理,实验结果表明字节对编码技术有效缓解了未登录词现象。同时,为缓解蒙汉平行语料不足问题,将迁移学习策略应用到在蒙汉神经机器翻译中,实验结果表明最终的翻译译文提高了1.6个BLEU值。另外,考虑到在神经机器翻译模型中的双语词向量的质量对最终的翻译译文质量有较大影响,将基于Word2vec预训练得到的词向量嵌入到蒙汉神经机器翻译模型中,实验结果表明译文提升了0.6个BLEU值。     

基于决策树的证券客户流失模型

描述了证券业客户流失分析的重要性,客户流失的定义,提出了影响客户流失的各种特征因素.然后根据CRM中的RFM模型,加入客户收益率指标,提出了证券行业客户流失分析的RFM-ROI模型.用决策树方法构建了客户流失分析模型,并提出了解决决策树剪枝问题的停止阈值方法.结果表明该模型能达到80.7%的准确率,具有较强的实用性.     

基于ZigBee的无线图像传输的研究

建立基于ZigBee的无线图像传输系统。设计简单图像传输协议,详细介绍其图像数据帧格式,通过增加1个字节的帧计数建立确认机制和重传机制,保证图像数据帧的可靠传输。以C++Builder作为开发工具,主机软件采用多线程技术,结合简单图像传输协议,实现图像数据的快速传输及图像显示,提高数据传输速度。测试不同波特率下不同发送延时对图像传输的影响,给出实验结果并对影响图像传输速度的因素进行讨论。     

一个基于机器学习的神经网络初始化方法

本文针对ＢＰ前馈神经网络存在的训练时间长、容易陷入局部极小等问题，研究了一个基于机器学习的神经网络初始化方法。实验结果表明，用这种方法初始化神经网络，提高了神经网络的学习效率和泛化能力，并且可以有效地抑制陷入局部极小的可能性。     

基于集成学习的Adaboost演化决策树算法

演化决策树方法将传统的决策树算法与演化算法相结合,具有全局搜索的优点.基于集成学习框架,提出了Adaboost演化决策树算法,并对基本遗传算子加以改进.实验结果表明Adaboost演化决策树能在较短的演化代数内得到较高的预测准确度.     

基于蓝牙的无线传感器网络节点设计与实现

根据传感器网络技术的应用发展需求,设计了一种基于蓝牙和LPC2114的无线传感器网络节点。介绍了节点总体架构以及各硬件模块:传感器模块、数据处理模块、无线通信模块和电源模块的设计,阐述了蓝牙无线传感器网络的组网方法。设计的传感器网络节点性能稳定,具有较强的实用价值。