组件技术及其在可重构数控系统中的研究

作为一种开放式数控系统,可重构数控系统不仅可以加工各种类型的产品,而且可以根据需要改变自身的系统结构,以满足特殊的应用需求.为了实现可重构数控系统,本文对组件技术进行了深入研究,提出适合可重构数控系统的组件模型.在此基础上,设计并实现了通信管理层,以提供各组件所需的系统功能服务和可重构功能.最后,本文搭建了一个可重构数控系统的基本原型,并进行了相应的测试与实验.     

多组合设备的调度控制研究综述

在半导体芯片制造中越来越广泛使用多组合设备.本文介绍了多组合设备的结构配置、生产运行过程、调度控制问题的一般特征条件、应该满足的约束及周期性调度策略;分析了问题的复杂性因素.从多组合设备的结构特征、运行过程特征两方面分类综述了调度问题的建模、分析方法、调度算法及存在的问题,最后指出了未来的研究方向.     

新计算机软件在辅助教学中的应用

计算机辅助教学是一种新兴的教育技术,广泛应用于现代教学,具有非常良好的教学效果。分析了传统计算机辅助教学的优势和不足,介绍了新的计算机辅助教学软件。新型计算机辅助教学软件具有双向对讲、电子举手及分组讨论功能,使师生之间交流、沟通更方便,弥补了传统计算机辅助教学中的缺陷。     

基于单元树结构的广度优先P2P搜索算法

提出基于单元树结构的广度优先搜索算法UTBFS。将单元树结构生成算法与广度优先算法相结合,阐述UTBFS的实现思路,对其时间复杂度、空间复杂度、可行性、优越性进行分析。实验仿真结果显示,相比于传统的广度优先搜索算法和随机广度优先搜索算法,UTBFS减少了需要转发消息的邻居节点个数和冗余消息,因此性能更优。     

基于密度的离群点挖掘在入侵检测中的应用

给出一种基于密度的局部离群点挖掘方法。采用KDD99数据集进行实验,对数据集中的41个属性提取特征,利用基于密度的聚类对统计处理过的数据集实行剪枝操作,剪除数据集中大部分密集的数据对象,保留未被剪除的候选离群对象集。采用局部离群挖掘方法计算离群候选对象的离群因子,检测出异常攻击。实验结果表明,该方法能保证较高的检测率和较低的误报率。     

具有USB接口的T-DMB接收机设计与实现

介绍了T-DMB技术的参数,设计并实现了一种具有USB接口的T-DMB便携接收机。该接收机支持VHF-III波段和L波段的信号接收;支持TS数据流的录制以及T-DMB视频业务的播放。     

Clos交换结构中采用贯序匹配的高效调度算法

使用Clos结构的多阶段互联是构建大规模分布式交换系统重要的解决方案,而如何在Clos拓扑上进行高效的调度成为业界和学术界一直感兴趣的问题.现有的调度算法CRRD存在两个不足而制约了其调度效率,首先是它采用接力式的匹配算法,导致匹配成功率以串行方式降低,其次是调度按照多对一的方式匹配,容易浪费调度机会.本文提出的贯序匹配算法SM-ACN在这两个方面进行了改进.SMACN采用直通式匹配,整个匹配过程一次完成,同时采取多对多的接受方式,最大程度利用了调度机会.数值模拟显示SMACN在各种流量场景下都比传统的CRRD有较高的吞吐率.     

基于多示例多标记的抽油机故障诊断

针对抽油机工况数据可从位移、载荷、电流等多个方面进行描述,若仅仅使用一个特征向量来描述抽油机工况数据会使其信息过于简化,丢失一部分有效信息的问题,以及工况数据具有多义性的特征,提出基于多示例多标记的抽油机故障诊断.该学习方法中,用抽油机的位移、载荷、电流数据作为抽油机工况样本包的多个示例,使用k-medoids聚类算法对样本包进行聚类,将多个样本包转换为若干示例,新示例的每一维表示样本包到样本各聚类中心的距离,再利用MLSVM算法对转换后的多标记问题进行求解.实验结果表明,多示例多标记学习能够及时、准确地诊断出抽油机故障问题.     

基于轮转周期的动态反馈负载均衡算法

网络管理系统中管理端逐步采用分布式集群构架,通过负载均衡算法调度客户端请求,并将客户端请求分配给多个事务节点进行并行处理。为进一步提高集群系统服务的性能,文中在研究以往负载均衡算法的基础上,提出了一种基于轮转周期的动态反馈负载均衡算法。该算法设计了一种基于剩余资源动态权值的节点剩余负载能力计算方法的动态反馈机制;并在动态反馈负载均衡算法的一个采样周期内引入轮转周期对客户端请求均衡分配。通过实验比较分析,该算法能获得更好的负载均衡效果。     

一种基于数据并行的过程神经网络训练算法

针对过程神经网络时空聚合运算机制复杂、学习周期长的问题,提出了一种基于数据并行的过程神经网络训练算法。该方法基于梯度下降的批处理训练方式,应用MPI并行模式进行算法设计,在局域网内实现多台计算机的机群并行计算。文中给出了基于数据并行的过程神经网络训练算法和实现机制,对不同规模的训练函数样本集和进程数进行了对比实验,并对加速比、并行效率等算法性质进行了分析。实验结果表明,根据网络和样本规模适当选取并行粒度,算法可较大提高过程神经网络的训练效率。