无线Mesh网络路由协议的研究进展

在简要介绍无线Mesh网络特性的基础之上,对路由协议中若干关键技术的研究状况进行了总结和综述,重点讨论面向无线Mesh网络的路由度量的设计思路、多信道多无线接口环境下节点的自适应信道分配策略以及结合无线介质的广播特性的寻路算法的分析.详细讨论了上述因素对于路由协议性能的具体影响,深入分析了当前研究的优缺点.同时,鉴于无线链路上传输的不可靠和高误码率,详细介绍了跨层协议设计的相关内容.     

非结构矢量场的特征区域可视化方法

基于特征比对的可视化方法涉及的问题主要包括,如何判断一个矢量场中是否存在另一个矢量场中的一些特定结构,如何评价两个矢量场结构间存在的相似性,如何从诸多矢量场中将这些特定的结构检测,定位并绘制出来.给出了一种基于曲线结构的矢量场特征区域可视化方法,该方法通过构造与曲线结构相关联的柱坐标系,保证了提取特征的平移、旋转和尺度不变性;采用曲线积分的Clifford Fourier变换,获取了曲线结构的频域特征并简化计算;利用多曲线结构匹配和多尺度逼近等方法,实现了区域结构的特征可视化.     

青藏铁路综合安全实时监测平台技术方案研究

分析了在青藏铁路特殊环境下综合安全实时监测平台应具备的功能,构建了该平台的体系架构.分析了平台对于实时数据的闭环处置流程,给出了平台建设的技术实现要点.综合安全实时监测平台的建设将为青藏铁路公司各相关部门或领导建立一个综合性的全面的公司运营安全情况视图,为领导的决策、安全管理及综合性维护等提供依据.将形成较为完整的铁路运营安全保障体系,实现对各类安全监控信息资源的综合、高效利用,填补高原铁路综合监控技术的空白.     

基于AJAX的自定义报表中间件平台的研究与实现

针对传统C/S报表系统不支持Intranet/Intemet,报表格式固定和单一,不能进行自定义等不足,采用Ajax技术及DWR框架,实现了基于B/S模式的自定义报表及表单中间件平台,它能方便的与业务系统实现无缝集成,并解决了用户报表自定义、访问速度、数据库自动生成、系统开发周期长成本高等问题.     

混合编码免疫算法在船舶载重计量的应用

提出一种混合编码免疫辨识算法, 并应用于船舶载重货物计量的模型辨识. 该算法结合免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法, 将抗体编码为模型结构树编码与模型参数编码的组合, 通过对抗体结构与参数的免疫操作, 实现全局寻优及非线性模型的结构与参数的一体化辨识. 算法不依赖对象的先验知识, 辨识的模型结构简单、易于理解. 仿真及船舶载模型的辨识应用验证了本算法的有效性及较强的非线性逼近能力.     

离轴式拖车移动机器人的反馈镇定

由于离轴式拖车移动机器人的模型不能转化为非完整链式模型, 因而无法采用针对非完整链式模型的控制方法. 针对有多节离轴式拖车的移动机器人, 给出了一种基于时间–状态能控形的反馈镇定控制算法. 首先推导出系统的线性化时间–状态模型, 并证明了其能控性; 进而设计了一种线性切换反馈镇定控制律, 该控制律可以保证系统的状态在有限时间内收敛到原点的任意小邻域内. 仿真结果证实了所提控制算法的有效性.     

基于模糊自适应免疫算法的非线性系统模型参数估计

复杂生产工艺中非线性系统的模型参数估计是系统建模优化问题中的难点, 为避免优化算法过早收敛于错误的参数估计值, 根据生物免疫机理和模糊逻辑原理提出了一种新颖的模糊自适应免疫算法, 该算法采用混沌超变异操作增强算法搜索能力, 并用免疫网络调节策略保持抗体群的多样性, 同时采用模糊逻辑调节算法参数以提高算法的自适应能力. 函数优化仿真结果表明其具有较好的收敛性能, 并能够克服早收敛问题. 最后将其成功应用于重油热解非线性模型参数估计中, 验证了该算法解决实际建模问题的可行性和有效性.     

Vista中信任链建立机制研究

信任链机制是Vista建立可信环境的基础,对其实现过程及安全性分析将为Vista的安全评估提供重要依据.针对Vista中信任链的建立过程,对可信计算机制在Vista中的实现进行了详细的分析,并通过逆向工程的手段对Vista信任链建立过程中的相关代码进行了剖析,给出它们的实现方式和主要的工作流程.并对Vista信任链机制的安全性进行了分析,给出其安全隐患.     

不规则网格上的曲面设计方法

提出一种在不规则网格上构造曲面的方法.其基本思想是,通过均匀双三次B样条基函数的分解和子基函数的分类,将B样条曲面方法推广到任意四边形网格.给定一个任意四边形控制网格,首先对每个控制点构造一个基函数;所有控制点加权组合形成整体曲面.构造的曲面是分片双三次有理参数多项式曲面.此方法可以看成是均匀B样条曲面构造方法的扩展,如果控制网格是规则四边形网格,那么构造得到的曲面与均匀双三次B样条曲面是一致的.最后,实例证明此方法能够有效地构造曲面.     

潜在属性空间树分类器

提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST 框架下,提出了两种奇异值分解斜决策树(SVD (singular value decomposition) oblique decision tree,简称SODT)算法,通过对全局或局部数据进行奇异值分解,构建正交的潜在属性空间,然后在潜在属性空间内构建传统的单变量决策树或树节点,从而间接获得原空间内近似最优的斜决策树.SODT 算法既能够处理整体数据与局部数据分布相同或不同的数据集,又可以充分利用有标签和无标签数据的结构信息,分类结果不受样本随机重排的影响,而且时间复杂度还与单变量决策树算法相同.在复杂数据集上的实验结果表明,与传统的单变量决策树算法和其他斜决策树算法相比,SODT 算法的分类准确率更高,构建的决策树大小更稳定,整体分类性能更鲁棒,决策树构建时间与C4.5 算法相近,而远小于其他斜决策树算法.