分布式信任评估研究

在信息和服务爆炸的时代,分布式的信任评估技术作为一种新的解决方案,引起了广泛关注并取得了许多重要成果。针对分布式信任评估中的难点与关键点,在介绍现有模型的解决手段时,指出了目前仍遗留的一些问题。     

矩阵特征值估计的粒子群优化算法

利用Gersehgorin圆盘定理与矩阵特征值的性质,将特征值的求解问题转化为最优化问题.借助粒子群优化算法与二分法思想,精确地估计了实(复)方矩阵的全体特征值,并与Matlab软件中基于QR算法设计的特征值求解函数eig的计算结果作对比,绝对误差达到10-7数量级以上.同时,也解决了特征值分离度的估计问题.     

基于FPGA的AAL5重组功能设计与实现

在3G网络中大规模采用ATM技术,其中AAL5被应用在控制面承载信令:以实现3G网络中对ATM链路数据进行采集处理为应用目的,以开发STM-1接口的ATM数据采集卡为研究背景,主要针对ATM数据采集卡完成的AAL5协议功能,详细论述了基于FPGA的AAL5重组功能的设计方案和实现方法,并对本设计所实现的功能进行了仿真验证.     

基于OpenGL技术的集装箱仿真系统的研究与开发

对靠近海岸线的物流园区集装箱堆场进行研究,发现台风或大风经常造成集装箱吹落或倾覆,这样造成很大的经济损失.研究利用VC和OpenGL开发一个可视化的集装箱仿真系统,该系统通过气象部门所提供的风速,能够预测物流园区中的集装箱是否安全.系统使用OpenGL中的纹理映射和视点变换,并以一种直观的、可视化的方式呈现给现场操作人员.现场操作人员可以根据系统的提示信息,在台风来临之前对将会被台风吹落的集装箱做好加固措施,以达到减小经济损失的目的.     

基于Analytica的作战决策分析模型构建与仿真

根据作战决策分析模型对建模平台的需求,简要介绍了Analytica建模平台的特点和功能,讨论了探索性分析方法、系统动力学方法、以及多分辨率建模方法等建模技术在Analytica平台下的应用,并通过一个示例介绍了基于Analytica作战决策分析模型的总体结构和仿真计算过程.建模和仿真结果表明,Analytica工具平台时于作战决策分析建模具有良好的适用性.     

柔性支撑Stewart平台自适应交互PID隔振控制

为了实现500 m口径球面射电望远镜(five hundred meter aperture spherical radio telescope, FAST)二级精调稳定平台对馈源舱隔振控制的定位和指向精度, 首先提出了基于并联机构学原理的3维机动目标跟踪预测算法, 对柔性支撑Stewart平台的基座运动进行跟踪预测. 进而,在Stewart平台关节空间设计了自适应交互PID控制器, 引入自适应交互算法解决PID参数的实时调整, 以适应柔性支撑Stewart平台的参数变化对不同控制参数的需求. 采用现代机电系统仿真策略, 对柔性支撑Stewart平台隔振系统的动力学与控制问题进行了仿真, 结果表明: 与传统的PID控制器相比, 自适应交互PID控制器大大改善了隔振效果, 完全满足隔振目标的要求.     

基于VSM的自适应信息过滤系统的研究与设计

为了从网络动态信息流中获得感兴趣的内容或过滤掉无关的垃圾信息,设计了一个基于向量空间模型的自适应信息过滤系统;描述了该系统的结构和工作流程;对该系统实现的关键技术,包括文本表示、用户模板与过滤阈值初始化、特征项选取、自适应过滤算法、模板更新和阈值调整等进行了深入的分析和研究。     

基于双极偏好控制的多目标粒子群优化算法

考虑双极偏好信息对粒子群的控制作用,提出一种使用双极偏好——正偏好和负偏好引导粒子群向 Pareto 前沿偏好区域进化的方法．根据TOPSIS 决策法思想,将外部种群粒子与正负偏好点的相对贴近度排序作为 外部种群管理和全局最优解更新策略;根据贴近度值确定解集的分布度;选取6 种不同类型的多目标测试函数进行 算法模拟,从世代距离、空间测度和超体积测度3 个指标与基于单极偏好的多目标粒子算法进行性能比较．结果显 示,基于双极偏好控制的多目标粒子群算法的收敛性和综合性能更优秀．     

基于QoS和OWL—S的Web服务发现研究

建立了原子服务发现模型,探讨了原子级服务匹配的4个过程,并重点对输入输出匹配和QoS匹配进行了研究.在QoS匹配中,给出了服务性价比概念,并提出了高性价比的服务选择原则.     

函数S-粗集与规律F-隐藏

函数单向S-粗集(Function one direction singular rough sets)是用R-函数等价类定义的,函数是个规律;函数单向S-粗集具有规律特征、动态特征.利用函数单向S-粗集,给出规律F-隐藏概念,提出规律的F-隐藏定理,隐藏识别准则,给出规律的F-隐藏的应用.规律的F-隐藏是函数S-粗集中的一个新的应用研究方向,函数S-粗集是信息规律研究中的一个新理论与新工具.