基于优化RBF神经网络的集成算法及其在调制识别中的应用

首先通过模拟退火算法对单个网络的隐含层高斯基函数中心值和标准化常数聚类算法进行了优化,进而提出了一种基于泛化误差性能跟踪的最优训练中止算法,避免了神经网络的过学习问题;最后通过基于最优权重的集成算法给出了模式所属类别的确定性衡量,提高了识别精度和系统的泛化能力。将该算法用于调制信号类型识别,取得了较高的识别精度。     

地月系共线平动点Halo轨道族的运动稳定性研究

地月系共线平动点附近的Halo轨道族,能够提供从L1点至月球再至L2点的广泛空间的多种轨道应用需要,但2个轨道族内轨道的稳定性差异较大。文章引入稳定系数和线性稳定阶数2个指标来判断轨道的稳定性,并用数值模拟分别分析了百米和千米量级的初始轨道误差在数天后所引起的轨道偏差,得出结论：两轨道族内接近平动点的部分轨道稳定性较差,其余部分轨道稳定性相差不大,L1点附近Halo轨道族内轨道较为稳定的是0.85~0.92之间的轨道,L2点较为稳定的是1.02~1.1之间的轨道。     

一种短基线条件下的时差定位解算方法

常见的时差定位求解算法都是围绕线性化双曲线方程进行的,在长基线情况下的定位精度较高,但共有的缺点是算法的计算量大,工程实现复杂。当时差估计精度较高时,在短基线情况下,利用渐近线在较远处非常接近双曲线,给出一种简单的时差定位解算方法,即双曲线渐近线最小二乘定位法（HA—LS）。推导算法的求解过程,并对其定位精度进行仿真,验证了该方法在较短基线情况下能得到比其它传统定位算法更好的定位精度,而且算法计算量小,工程实现简单。     

一种基于JPDA的EJB组件强迁移方法

随着分布式应用技术的发展,组件的静态性限制了分布式系统在运行期间适应其环境变化的要求。为了动态适应外界环境变化,提高系统性能,组件迁移的研究受到广泛关注。目前学术界对组件迁移技术的研究大多集中在组件弱迁移上,对强迁移的研究较少。文章提出了一种新的EJB组件强迁移方法,它通过JPDA来捕获和恢复组件强迁移所需的运行状态。这种方法可以在不需要修改JVM的情况下,得到并恢复EJB组件的运行状态,保证了较强的通用性。本方法在自主研制的JANTM平台中得到了实现,应用在负载平衡和失效恢复两个方面。     

面向方面电信系统开发框架的设计与实现

基于.Net Framework和AOP技术提出了电信系统建设的“5＋1”关注点视图,试图解决电信业务开发难度大、周期长的问题。根据“5＋1”关注点视图提出了针对电信业务、基于服务实现的面向方面软件体系结构。基于该软件体系结构开发框架设计及其支持下的软件开发过程可以缩短软件开发周期,改善软件一致性和可维护性,使软件具有更好的演化能力。     

曝气生物滤池处理生活污水效能沿滤层高度的变化

采用曝气生物滤池处理生活污水,研究水中污染物沿滤层高度变化情况,以确定曝气生物滤池去除各污染物的有效滤层高度。研究结果表明,曝气生物滤池可有效处理生活污水。在二级滤池、滤层总高度4 m、滤速5.0 m/h条件下,出水COD、氨氮和总磷均能达到城镇污水处理厂综合排放标准。滤池总去除率,COD 90.39%,氨氮71.14%,总磷95.46%。曝气生物滤池去除COD主要在滤层0~2.6 m段,去除率75%,占总去除率的82.9%;去除氨氮主要在2.6~4.0 m段,去除率49.50%,占总去除率的69.6%;去除总磷主要在1.2~2.6段,去除率61.78%,占总去除率的64.7%。用曝气生物滤池处理生活污水,要达到《城镇污水处理厂综合排放标准》,滤层高度应在4 m左右。     

基于识别的单向多样学习图像超分辨率算法设计与实现

提出了一种新的图像超分辨率处理算法。首先建立训练图像集,然后对待处理图像和训练集中的特征图像对进行分割、光栅排列和对比度正则化等适当的预处理。待处理图像上的每个局部图像块在训练集中进行多样学习,以获得低分辨图像上不同区域缺乏的高频细节信息,最后使用这些信息预测生成超分辨率图像。实验结果表明,文章算法得到的高分辨率图像能够较大程度上提高图像质量。     

基于遗传算法的自适应题库系统的研究

在比较传统组卷算法优缺点的基础上,着重对遗传算法进行了可行性论述,通过将实数编码的遗传算法应用于自动组卷,全面增强了自适应题库系统实用可操作性。     

最速下降线及其自动查找

对坡降线作了深入具体的研究,给出了其微分方程形式及在离散情况下的近似表达;给出了坡降线自动生成的一种算法,并对其中的一系列理论和计算问题进行了探讨。     

排序集抽样方法在非参数检验中的应用

排序集抽样作为一种更有效的数据收集方法,近几年引起了许多学者的兴趣,特别在环境和生态的研究中已经有了不少结果。主要讨论排序集抽样在两样本刻度参数检验中的应用,并从检验的渐近效率的角度说明了基于排序集检验较一般随机抽样的优良性。