无线传感器网络中的连通支配集求解算法

连通支配集在无线传感器网络中有着重要的作用,通过对连通支配集的深入分析得到了关于连通支配集的一个新特性,即最小连通支配集是图的一棵包含最多叶子节点的生成树中的非叶子节点的集合。根据这个结论设计了一种全新的连通支配集求解算法,即通过建立一棵含叶子节点较多的生成树来寻找一个较小的连通支配集。仿真实验表明,新算法较前人的算法有明显的改进。     

基于克隆选择和粒子群思想的动态多群体优化算法

针对粒子群算法和克隆选择原理的特点,提出了基于克隆选择和粒子群思想的动态多群体优化算法.该算法将整个群体分为若干子群体,在子群体内部应用基本的粒子群算法,以子群体作为抗体设计了克隆,变异,选择和受体编辑算子.变异算子使子群体动态变化实现子群体间相互交换信息,具有良好的全局搜索能力.实验结果表明,该算法具有寻优能力强,搜索精度高的优点,可用于工程问题中具有各种特性的复杂函数优化.

     

一种基于图像表观的鲁棒姿态估计方法

提出一种利用图像的表观特征进行头部姿态估计的方法.该方法首先使用了一维Gabor 滤波器对头部图像进行特征提取,然后对提取得到的一维Gabor 特征进一步使用了基于核函数的局部费舍尔判别分析方法增强特征的判别能力.与传统二维Gabor 特征相比,一维Gabor 特征除了在计算速度和存储空间上具有明显的优势以外,更与姿态紧密相关.而基于核函数的局部费舍尔判别分析方法,能够解决姿态问题中存在的非线性问题和多模态问题.大量的实验结果表明,该算法对于姿态估计问题是有效的.特别需要指出的是,该算法具有良好的推广能力     

基于LMS的网络流量预测

通过对网络流量的考察．提出使用自适应最小均方误差方法（LMS）对网络流量进行预测,以及如何针对网络流量特性对LMS预测效果进行优化的方法．并分别使用网络仿真实验和实际IP流量数据对LMS的预测效果进行实验研究。实验表明．使用LMS对网络流量进行预测是可行的。     

迈克尔逊干涉仪在相位相干成像测量系统中的应用

传统4f相位相干成像测量技术中,利用相位物体使测量材料产生的相位变化转换为可直接观察的振幅变化,实现材料光学非线性折射率的测量。然而相位物体的厚度是固定不变的,相位延迟会随激光波长的改变而改变,测量中需要更换合适的相位物体。理论分析了不同激光波长对相位物体相移大小的影响,详细讨论了不同形状光束下相位物体的半径和相移的大小对4f相位相干成像系统灵敏度的影响。利用了迈克尔逊干涉仪中两束光的相位延迟替代传统相位物体的功能,实现了一种相位可调的相位物体。因为迈克尔逊干涉仪两束光的相位延迟连续可调,使得在不同形状光束及不同波长激光下的测量灵敏度达到最优。该方法进一步完善了4f相位相干成像测量技术,不仅解决了传统相位物体的不足,而且提高了系统测量的精度。     

一种动态适应性连接器设计实现关键问题研究

连接器对软件的适应性具有重要影响.为正在研发的适应性软件开发平台-smartFramework提出一种动态适应性连接器模型.针对该模型设计实现存在的一系列关键问题,基于实例化方法和反射技术,并融合所提出的动态设定通信缓冲区方法和使用主题描述与匹配数据方法,给出支持不同构件间连接机制、构件间动态连接机制、传输和匹配异类数据机制,形成完整的解决方案,设计实现了该模型.应用该模型进行的示例开发实验进一步证实了解决方案可行有效,为适应性软件支撑工具开发提供了支持.     

基于简单特征值问题的修正GEPSVM

针对GEPSVM可能存在奇异性问题,提出一个改进的GEPSVM算法——SMGEPSVM。基于简单特征值问题,得到2个非平行过原点的超平面。与GEPSVM相比,SMGEPSVM不仅可以求解XOR问题,还可求解简单特征值问题,避免GEPSVM奇异性问题,测试精度好于GEPSVM,学习速度更快,其计算结果在人工数据集与UCI上得到了验证。     

基于相位偏移的主动移频式孤岛检测方法

针对传统过压/欠压、过频/欠频、相位突变、主动频率偏移孤岛检测方法的不足,提出了一种改进方法.将相位偏移量作为辅助量加入主动移频孤岛检测方法中,使检测容性负载的孤岛现象具有与感性负载同样的快速性,并能有效降低主动频率偏移法对电网电能的影响.该方法实现简单,检测快速,仿真结果验证了其快速性和有效性.     

基于SoPC的网络入侵检测中模式匹配系统设计

设计了一种基于FPGA的模式匹配系统,通过Verilog HDL语言实现系统主体;采用开源的Snort规则,选用由“异或”运算组成的适合FPGA处理的HashMem函数进行模式匹配;通过软件预处理找出Snort中的冲突模式串进行单独匹配从而用硬件方法解决冲突.硬件电路采用DM9000A网络控制器接收网络数据.实验结果显...     

数据挖掘中的三维缩减

1 引言在知识发现和数据挖掘技术的实际应用中,为了对大规模数据库进行高效处理,通常采用数据缩减的预处理方法。数据缩减(又称数据浓缩)就是将原始数据转换到某种更加紧凑形式而又不丢失有意义的语义信息的过程。有效的数据缩减方法不仅能显著削减数据量,提高知识发现效率,而且还可以简化学习获得的