高炉参数学习用模糊神经网络专家系统

用模块化模糊神经网络模型进行参数学习专家系统的研究是根据不同的炉况类型及其相关主变量将整个参数学习模型分解的几个结构相似的子模糊神经网络的模型。其中,子神经能够模拟诊断推理过程,动态地进行特征数据的权重、模糊等级的界限值和规则可信度的调整。采用该方法对现场采集的数据进行实验。结果表明同该方法具有较好的学习效果。     

新一代网格技术

网格是继Intemet和Web技术之后的第三个信息技术浪潮。本文简述了网格的涵义、特点和基本体系结构,并且分析了当前网格研究的发展趋势及其我国的研究现状。     

视频对象分割技术综述

随着MPEG-4及MPEG-7的发展及应用,视频对象分割技术已成为视频处理领域中的研究热点。讨论了视频对象分割技术的研究现状,深入分析了现有的视频对象分割技术,提出了存在的问题,并对未来视频对象分割技术的发展进行了展望。     

一种考虑稳定性的动态综合评价新模型

针对动态综合评价需要考虑被评对象的稳定性问题,提出了一种综合考虑指标权重、时间权重和稳定性的动态综合评价模型。定义了稳定因子来表征被评对象指标的稳定程度,采用离差最大化的方法确定指标权重,提出了一种基于极小范数时间权重确定方法。将所提模型应用于军事IP网络评价,结果表明该模型能够把被评对象的稳定性反映到评价结果中。     

基于Access Grid的通用视频会议系统研究

网格(Grid)旨在实现动态多机构虚拟组织中的资源共享和协同问题解决,Access Grid是网格的一个扩展,能支持在网格上进行组与组之间的协同工作.重点介绍了Access Grid的基本架构,并设计了基于Access Grid的通用视频会议系统.     

基于ARM和FPGA的视频监控系统设计

设计并实现了一种基于ARM+FPGA的视频监控系统,以ARM9处理器为主控制器,FPGA为协处理器,构造ARM与FPGA间的高速数据传输通道和基于Linux的轻量级的图形驱动,完成实时视频采集和显示。实验结果表明,该设计能够流畅播放PAL/NTSC两种制式视频信号,具有良好的扩展性、稳定性和较快的响应速度。     

基于神经网络模型的时间序列预测算法及其应用

提出了一种神经网络模型的时间序列直接多步预测算法。网络的学习采用具有遗忘因子的ＢＰ算法与时差方法相结合的混合算法，解决了经典ＢＰ算法在直接多步预测中不能渐进计算的问题，同时网络具备一定的结构学习能力。采用该算法对现场采集的高炉铁水含硅量时间序列数据进行预报实验，表明本文提出的直接多步预测方法是可行的。     

基于CDMA1X雷达数据传输研究

为提高雷达情报传输的灵活性、机动性,提出了基于CDMA1X的雷达情报传输系统,该系统以中国联通通信公司的CDMA无线网络平台为基础,实现雷达数据的传输。文中介绍了传输系统的结构和传输控制、数据通信等关键技术,阐述了系统的工作原理,给出了主要模块的功能结构图和软件设计思想,并对系统的主要性能进行了分析。最后,通过对大量雷达数据的仿真,表明该传输系统能够满足数据传输实时性、可靠性、安全性的要求,适合雷达应急通信和机动雷达的数据传输。     

云计算中Hadoop技术研究与应用综述

Hadoop作为当今云计算与大数据时代背景下最热门的技术之一,其相关生态圈与Spark技术的结合一同影响着学术发展和商业模式。首先介绍了Hadoop的起源和优势,阐明相关技术原理,如MapReduce,HDFS,YARN,Spark等;然后着重分析了当前Hadoop学术研究成果,从MapReduce算法的改进与创新、HDFS技术的优化与创新、二次开发与其它技术相结合、应用领域创新与实践4个方面进行总结,并简述了国内外应用现状。而Hadoop与Spark结合是未来的趋势,最后展望了Hadoop未来研究的发展方向和亟需解决的问题。     

高速网络流频繁项挖掘算法

在当前骨干网络链路速率呈几何倍数增长的情况下,实时准确地挖掘出网络流中的频繁项对于网络管理和网络安全具有重要的意义.在SS(space saving)计数算法的启发之下,针对网络流的实际特性,提出了一种剪枝操作受时间和流长双重约束的网络流频繁项挖掘算法(integrated weighted frequent items mining, IWFIM).IWFIM计数算法采用时间和流长组合赋权的方式为每个流项赋权,且算法每次剪枝操作时总是删除权值最小的流项.在IWFIM算法的基础上,依据网络流的重尾分布特性,又提出了一种能够结合散列方法和计数方法优点的网络流频繁项挖掘算法(counting Blooming filter and integrated weighted frequent items mining, CBF_IWFIM).CBF_IWFIM算法首先采用改进的计数型布鲁姆过滤器(counting Blooming filter, CBF)在不保存网络流信息的情况下过滤掉绝大部分的短流,然后采用IWFIM算法实现网络流频繁项挖掘.通过实际网络流量测试表明,CBF_IWFIM和IWFIM算法具有非常高的空间利用率和准确率,2种算法对于网络流频繁项的挖掘效果明显优于SS等3种算法,即使在使用其他算法1/3缓存的极端情况下,CBF_IWFIM和IWFIM 2种算法的频繁项识别效果仍然要优于SS等算法.