虚拟运行环境描述管理工具的研究和实现

针对分布式网络环境中虚拟运行环境的描述、部署和管理问题,设计和实现了一个图形化的虚拟运行环境的描述、部署和管理系统,该系统整合虚拟机技术,通过图形化的方式来描述目标虚拟运行环境的网络拓扑,配置和部署环境中的虚拟机,并提供了对其中虚拟机基本的管理和控制功能.具有通用性、高可扩展性和灵活性的特点.可用于网格以及其它分布式系统.     

一种快速二维熵阈值分割算法

在二维熵阈值基础上，利用量化图像直方图概念讨论了一种快速二维熵阈值分割算法，这种算法能够递推运算和自动寻找阈值，将计算复杂性大大降低。 实验表明，该算法将每一幅图像运算时间降到2秒以内，提高了计算效率。     

一种基于UWB穿戴式网络的调度算法

可穿戴式计算机是近几年的一个研究热点,穿戴式网络多个节点之间的协调通信一直是影响穿戴式计算机发展的一个重要原因,因此有必要对穿戴式网络通信进行优化。文中介绍了可穿戴式计算机以及穿戴式网络。论述了穿戴式网络中常用的几种网络技术的优缺点。然后重点解析了UWB（Ultra—WideBand）的结构模型,以及UWB通信机制,在UWB通信机制的基础上引入了动态调度的思想,由此引出具有优先级的动态UWB网络调度算法。此调度算法能够很好地协调穿戴式网络节点之前的通信,有利于推进可穿戴式计算机的发展。     

基于统一视图的数据仓库体系结构及其构建方法*

为了构建支持企业决策分析的数据仓库,分析了传统数据仓库模型的局限性,提出了一个基于统一视图模型的数据仓库体系结构。该体系结构是在传统数据仓库模型的数据源和数据仓库之间增加一个统一标准层,并利用统一视图—资源数据和数据仓库—统一视图的两级映射,保证了数据的透明访问和模型本身良好的可用性,进而支持灵活的多数据仓库的构建。基于该体系结构,给出了统一视图模型的建立和数据仓库三层之间两级映射的方法,提出了一种新的基于统一视图模型的数据映射—抽取—装载数据仓库ETL建模过程,并开发了相应的数据仓库构建系统。应用表明,     

一种小型惯性测量单元的精确标定技术

研究了一种基于MEMS陀螺和加速度计的惯性测量单元(IMU)的系统标定技术,建立了陀螺和加速度计的温度漂移和非线性误差模型,采用逐步线性回归法对以上模型进行了简化,并设计了补偿算法;实时补偿效果表明,在-40℃~60℃的温度变化范围内,惯性测量单元的零位偏值、偏值稳定性和非线性度都达到较高精度,这种误差标定方法可有效解决MEMS-IMU惯性器件误差的标定与补偿问题。     

基于密度的不确定性数据概率聚类

近期传感数据监测和移动对象跟踪等许多从自然界直接采集数据的新应用引发了不确定性数据管理这一新的研究课题.这些应用中相关数据的不确定性为传统的数据处理方法提出了新的挑战.探讨的重点是不确定性数据的聚类.提出了一个针对不确定性数据的基于密度的聚类算法,根据不确定性数据内在的概率分布信息进行概率聚类,并采用R树索引和概率阀值索引提高算法的效率.仿真试验表明,提出的算法在有效性和效率方面均优于当前主要的基于密度的不确定性数据聚类算法.     

面向大规模数据的分层近邻传播聚类算法

近邻传播(Affinity Propagation,AP)聚类具有不需要设定聚类个数、快速准确的优点,但无法适应于大规模数据的应用需求。针对此问题,提出了分层近邻传播聚类算法。首先,将待聚类数据集划分为若干适合AP算法高效执行的子集,分别推举出各个子集的聚类中心;然后对所有子集聚类中心再次执行AP聚类,推举出整个数据集的全局聚类中心;最后根据与这些全局聚类中心的相似度对聚类样本进行划分,从而实现对大规模数据的高效聚类。在真实和模拟数据集上的实验结果均表明,与AP聚类和自适应AP聚类相比,该方法在保证较好聚类效果的同时,极大地降低了聚类的时间消耗。     

基于邮件正文的邮箱用户别名抽取

邮箱用户身份信息挖掘是数据挖掘研究的一个热点。当前相关研究大多仅从邮件头中抽取邮箱用户的别名,遗漏了邮件正文中潜藏的更能代表通信双方身份的别名信息。针对纯文本邮件正文中邮箱用户别名信息抽取问题,提出了基于统计和规则过滤的称呼块和签名块定位算法,该算法能高效准确地从邮件正文中提取出蕴涵邮箱用户别名的称呼块和签名块文本片段;进一步提出了基于别名边界词汇模板修正的别名抽取方法,从而提高了仅基于命名实体识别或词性标注工具识别别名的准确率。实验结果表明,提出的方法可以有效地抽取出邮件正文中邮箱用户的别名。     

高速网络入侵检测系统中基于Hash函数的分流算法

如何使入侵检测系统能适用于高速网络环境,成为当今入侵检测领域急需解决的技术难题.结合机群系统,提出一种基于散列函数的分流算法,将高流量数据流通过该分流算法分为多个数据流,交由机群系统中各节点上的IDS分析引擎处理.实验结果表明,该算法保证同一连接的所有数据报文由同一IDS分析引擎处理,在高速网络环境下保持高检测率,并有效地解决负载平衡问题.     

一种调整型径向基网络偏微分方程解法

基于径向基神经网络（RBFN）的偏微分方程（PDE）求解算法中,仪通过搜索最佳权值逼近方程解,精度有限。实际上在建立的RBFN中可能存在对求解PDE贡献很小的但是增加算法复杂度的神经元,或者缺少对方程解贡献很大的辅助神经元。基于这个事实提出一种新的算法：在搜索最佳权值同时调整RBFN结构,删除对方程解贡献小的神经元,增加对方程解贡献大的辅助神经元;采用最小均方误羔梯度下降法得到最优权值;最后得到PDE的逼近解。仿真实验表明新算法较传统的RBFN算法,精度更高,误差收敛速度更快;可广泛应用于工程实践。