无线传感器网络中基于IBE算法的组密钥管理方案

针对无线传感器网络无长期可信的节点、信道可靠性差及其资源十分有限等特点,基于无线传感器网络的簇结构和IBE算法提出一种新的组密钥管理方案,能够验证组密钥分量的正确性,确保组密钥的正确生成和更新,提供安全的组通信。理论分析及仿真结果表明,新方案具有很高的安全性,以及较小的存储开销与通信开销。     

大规模网络课程中学习者学习行为分析

针对MOOC平台上学习者学习状况不易把握的现状,阐述在MOOC平台中对学习者进行学习行为分析的重要性,依托辽宁省精品资源共享课程平台,提出学习者学习行为属性模型,以模型是展开对学习者学习行为分析的展开研究,便于任课教师掌握学习者的学习情况,并以此为依据调整课程组织和教学方式,从而达到最优的教学效果。     

不完整数据集的信息熵集成分类算法

集成方法是处理包含缺失属性数据集分类问题的一种简单有效的方法,但目前针对不完整数据的集成分类算法在衡量各子分类器的权重时只考虑对应的数据子集的维数和大小.考虑到不完整数据集的缺失属性对类别的贡献度,使用信息熵衡量缺失属性之间的差异,提出一种新的针对不完整数据的集成学习分类算法———信息熵集成分类算法(EECA).应用以BP神经网络为基础分类器的集成分类器在UCI数据集上进行实验.实验结果表明,EECA比简单使用缺失属性的多少计算子分类器权重的方法更有效,最终结果准确度更高.     

软件配置管理理论与实践

近年来随着软件开发项目的规模和复杂度的不断增加,人们不得不更加关注软件开发中的配置管理问题。目前软件配置管理已经成为软件开发中的一个关键过程域并贯穿于软件生命周期的始末。讨论配置的基本理论和技术,并进一步给出一种配置管理的实现方法。     

一种混合粒子群算法及其在Job Shop问题中的应用

粒子群算法是一种新颖的演化计算技术,具有思想简单、容易实现的优点,被广泛应用于连续空间的优化。结合遗传算法的思想提出一种新的进化方式并用于Job Shop离散空间优化,进一步结合粒子群算法的群体多样性和禁忌搜索算法的集中搜索性提出一种粒子群算法和禁忌搜索算法的混合策略。用Job Shop问题作为测试基准,仿真试验显示混合粒子群算法是可行和有效的。     

粒子数和采样周期自适应的粒子滤波器

粒子数目、采样频率显著影响粒子滤波器性能及其复杂度。文章提出了一种用于跟踪系统的可在线调整采样周期和粒子数目的自适应粒子滤波器。仿真结果验证了一般情况下,该方法可在保证一定估计精度的同时有效减少系统负荷,并对目标机动有良好的自适应能力。     

基于免疫原理与秘密共享的可生存性系统模型

可生存性系统是信息安全研究的新方向,具有很强的现实意义.基于免疫原理与秘密共享提出了一种分布式可生存性系统模型.基于免疫原理的阴性选择特性建立规则库实现关键服务与次要服务的有效划分,利用t-out-of-n秘密共享方法实现关键服务层的设计.该分布式可生存性系统模型具有可生存性好.客错性强、可自适应性等优点.     

改进的混沌粒子群算法在TSP中的应用

针对基本粒子群(PSO)算法不能较好地解决旅行商优化问题(TSP),分析了基本粒子群算法的优化机理,在新定义粒子群进化方程中进化算子的基础上利用混沌运动的随机性、遍历性等特点,提出一种结合混沌优化和粒子群算法的改进混沌粒子群算法.该算法对惯性权重进行自适应调整,引入混沌载波调整搜索策略避免陷入局部最优,形成一种同时满足全局和局部寻优搜索的混合离散粒子群算法,使其适合解决TSP此类组合优化问题.利用MATLAB对其进行了仿真.仿真结果说明此算法的搜索精度、收敛速度及优化效率均较优,证明了此算法在TSP中应用的有效性,且为求解TSP提供了一种参考方法.     

数据挖掘常用聚类算法研究

信息社会的发展,使数据量以前所未有的速度在增长,因此从海量数据中获取有用的知识和信息就变得越来越重要。数据挖掘是一种综合多领域知识而形成的数据分析技术,能够从大量数据中获取有价值的知识并为决策提供支持。聚类分析算法是数据挖掘中的一个核心内容,也是目前研究的一个热点。该文首先讲述了基于划分的聚类算法、基于分层的聚类算法、基于密度的聚类算法和基于网格的聚类算法等常用的聚类分析算法,并分析了其特点;然后通过举例详细描述了最近邻聚类算法的操作过程。聚类算法的总结,对聚类的研究和发展具有积极意义。     

LEO卫星网络中TCP Vegas拥塞控制算法研究

对TCP Vegas拥塞控制算法进行了研究改进．主要分析了类Iridium系统的LEO卫星网络环境下Vegas拥塞控制算法的性能表现，提出了一种改进的TCP拥塞控制算法-Vegasl算法，并将之与原算法进行了比较．与以往的研究不同，本文研究的侧重点是各种性能参数在整个网络上总的平均结果，关心网络的整体性能．仿真结果表明：在平均往返时延上改进后的Vegas1算法优于原Vegas算法．与单一链路的仿真结果比较，本文的结果有所不同，这说明使用完整的整个网络进行仿真具有积极的意义．