基于CORBA、XML的交通综合信息平台的研究与设计

交通信息源具有多源性、异构性的特点,而建设交通综合信息平台是实现各种交通信息集成化、智能化、信息化管理的重要途径,是智能交通系统的研究热点.在分析了CORBA和XML技术的基础上,设计了采用XML技术作为异构分布的交通信息系统的公共数据模型,采用CORBA技术实现网络通信的交通综合信息平台.该平台实现了交通信息的采集加工、共享与交换,并提供了信息发布和辅助决策等功能.     

基于进化采样的粒子滤波算法

在粒子滤波算法中, 重采样的引入有效地改善粒子退化现象, 但同时也导致了粒子多样性减弱问题的产生. 本文给出了一种基于进化采样的改进粒子滤波算法. 该算法在重采样过程后, 首先根据马尔可夫链蒙特卡罗(Markov-Chain-Monte-Carlo, MCMC) 技术和遗传算法中的模拟二进制交叉原理生成候选粒子, 并利用适应度函数完成对于其权重的度量. 然后结合当前时刻的重采样粒子构建候选粒子集, 进而提升了重采样后粒子的多样性, 最终依据粒子自身的权重实现粒子的优选. 仿真结果表明: 该算法可有效地提高     

一种基于GPU加速的细粒度并行蚁群算法

为改善蚁群算法对大规模旅行商问题的求解性能,提出一种基于图形处理器(GPU)加速的细粒度并行蚁群算法.将并行蚁群算法求解过程转化为统一计算设备架构的线程块并行执行过程,使得蚁群算法在GPU中加速执行.实验结果表明,该算法能提高全局搜索能力,增大细粒度并行蚁群算法的蚂蚁规模,从而提高了算法的运算速度.     

新型增益调度变结构控制器的性能比较研究

为了提高变结构控制系统的控制效率,从节省控制能耗、消除颤振、快速进入滑动模态、获取稳定滑动模态等基本要求出发,将变结构控制器设计成具有增益调度控制器参数的增益调度变结构控制器,并提出了增益调度变结构控制器的设计方法.通过选择不同的调度变量、调度变量函数以及调度变量的变化范围,给出6种不同的增益调度变结构控制器,并进行了仿真研究,以比较其控制性能.     

基于神经网络干扰观测器的一类不确定非线性MIMO系统H_∞跟踪控制

针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的鲁棒跟踪控制方法,用于降低控制器对干扰的要求.设计了基于神经网络的干扰观测器,以逼近由外部干扰、内部不确定性和子系统的交叉耦合组成的复合干扰.根据Lyapunov稳定性理论的参数更新律及所设计的控制器,保证了系统中所有信号的最终一致有界性,并获得了给定的跟踪性能指标.仿真结果证明了该方法的有效性.     

基于LM3S316的微控制器仿真USB设备

提出了基于LM3S316实现与PC机通讯的方法.给出了硬件实现及软件设计思想.该方法使用微控制器仿真USB设备,降低了功耗、成本.     

广义Jensen-Schur测度在医学图像配准中的应用

使用互信息或归一化互信息测度进行医学图像配准时,由于噪声、模态、插值等影响,测度函数存在许多局部极值,收敛范围较窄,有可能导致误配准。为了克服上述缺点,定义了广义Jensen-Schur测度,利用巴特沃思函数对自变量值的非线性压缩功能,成功地消除了PV插值伪极值点。从测度曲线光滑性、抗噪鲁棒性、收敛性能方面,对四种新构造的广义Jensen-Schur测度、互信息和归一化互信息进行了比较和分析。实验结果表明,新构造的JS22和JS23测度在以上三个方面的性能都优于其他测度。     

Windows Mobile文件监控系统的设计与实现

分析了Windows Mobile的文件系统,研究了Windows Mobile系统应用程序接口(API)的结构及其调用逻辑,提出了为系统API建立钩子函数来截获相关API操作的方法,并以此为基础设计并实现了基于Windows Mobile的文件监控系统.试验结果表明,系统可以监控所有的文件访问操作.     

基于细胞因子网络协同进化的Web服务合成方法

借鉴生物神经内分泌免疫系统的协同进化机制,基于细胞因子网络平台提出了Web服务的合成方法.在细胞因子网络调控下的生物实体代理Web服务,构成为一个带有条件的米兰机单元,Web服务的合成可以转换为米兰机进化过程.生物实体通过消息匹配和条件约束形成细胞因子网络,Web服务的合成通过生物实体细胞因子网络支持.在服务协同进化过程中可以动态调整其合成的服务,完成服务的动态自组织合成和管理等工作.仿真结果表明该方法在环境动态变化时具有适应性.     

一种含影响力因子的自适应C均值算法

含影响力因子的硬聚类算法(HCMef)在对多于两类规模不均的样本进行聚类时,影响力因子指数对聚类结果影响很大,取值不当会引起类消失.影响力因子指数在0附近穷举,并利用影响力因子指数较大时类规模会在较少训练次数内消失的现象,降低计算量.提出了含影响力因子的自适应C均值聚类策略(AHCMef),并介绍了两阶段聚类方法,进一步提高聚类成功率和执行效率.结果显示,最佳影响力因子指数出现在成功聚类时的较大值附近,聚类效果从该点起随影响力因子指数的减小而降低.对HCMef算法应用于多类规模不均样本情况时,影响力因子指数的选取具有指导意义.