基于遗传神经网络的个人信用评估模型的研究

针对当前传统个人信用评价体系中的种种问题,提出了一种基于遗传神经网络(GA-NN)的个人信用评估模型.利用BP神经网络(BPNN)的自学习、自适应、强容错性,并通过遗传算法(GA)优化BP神经网络的连接权重和阚值.弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型是令人满意的.     

VGA汉字显示的FPGA设计与实现

VGA是显示器接口的一种工业标准.以往大多采用通用处理器控制VGA接口来实现汉字及其它信息的显示,但是以通用处理器为核心的体系结构不易修改,体积偏大,不适合小型便携式设备的设计.由于FPGA具有可重构、体积小等优势,采用FPGA来控制VGA的汉字显示.依据VGA的显示原理,提出了一种基于Xilinx Spartan-3的彩条信号显示方法,并利用FPGA内部的块RAM,实现了VGA的汉字显示.实验结果表明,由FPGA来控制汉字的显示,达到了预期的效果,克服了通用处理器的弊端.     

Ad hoc网络PI队列管理鲁棒性分析

鲁棒性是Adhoc网络主动队列管理PI算法的基础.目前的AQM的PI设计、优化大多基于经验和试凑,缺乏鲁棒性的理论分析.针对Adhoc网络的多跳时滞特点,根据鲁棒控制理论,分析了PI算法在时延无线网络中的鲁棒性,推导了PI控制器确定时链路容量、TCP连接数量和时延之间的关系,给出了PI控制参数确定下时延RO的变化范围.通过Matlab和NS2仿真,验证了不确定参数鲁棒稳定的范围.     

基于JSH架构的Web应用研究

针对企业级应用开发中面对各种J2EE开发框架,如何合理、有效地部署和集成以构建高效的Web应用系统的问题,提出了一种基于JSH的集成架构技术,重点介绍了JSH架构的关键集成技术,并结合服装企业生产管理系统中的一个应用实例,给出了该方案的实现技术.实践结果表明,该集成架构具有层间耦合庹低、利于缩短系统开发周期、提高系统开发效率等突出优势.     

结合支持向量机和近邻法的太阳耀斑预报方法

为了提高太阳耀斑预报模型的预报精度,提出了一种结合支持向量机和近邻法(SVM-KNN方法)的太阳耀斑预报方法.将太阳耀斑预报问题看作一个模式识别问题,在此基础上建立新的预报方法.选择太阳活动区的特征参量作为预报因子,如果活动区未来48小时发生大于等于M级耀斑标识为正例样本,未发生耀斑为反例样本,由这些样本组成训练集代入SVM训练算法构造了耀斑预报模型.通过输入活动区的特征参量值,预报模型使用SVM-KNN分类算法预报该活动区未来2天内是否发生太阳耀斑.模拟预报结果表明,新方法比使用SVM方法具有较高的报准率,可以应用到其它太阳活动预报领域.     

基于客户程序度量包内聚性

为了一致而高效地计算包内聚性,许多研究者提出了大量的包内聚性度量方法.然而,这些方法主要依赖于包内部的数据流关系,常导致度量结果与实际开发经验相悖.为了解决这一问题,首先以包的职责为基础将包划分为4类.然后,提出了共同重用内聚CRC,并根据包的分类框架讨论了CRC的适用性.CRC的核心思想是若多个类总被共同重用,则它们之间存在紧密耦合.最后,提出了度量CRC的海明内聚度HC.与现有方法相比,HC同时考虑了包内和包间的数据依赖.因而,该方法能够有效地反映包内部类间的语义关系.此外,HC利用包的使用模式提高了度量结果的可区分性.实验研究表明HC能够有效评估包的内聚程度.充分说明了作为HC基础的CRC具有较高的合理性.     

基于微粒群算法的非线性系统建模方法研究

针对非线性系统多模型自适应控制中的模型覆盖问题,提出一种基于微粒群算法的多模型建模方法.首先,对非线性系统定义了基于混合逻辑模型的多模型描述,建立了非线性系统的混合线性多模型;然后,基于微粒群优化算法对非线性系统进行优化建模,在保证建模准确性的同时采用最少的子模型逼近非线性系统;最后,通过一个仿真算例表明了该建模方法的有效性.     

电子学档在计算机基础课程教学中的应用

对大学计算机基础课程教学活动中引入电子学档来辅助教学,从而构建一种基于电子学档的信息化教学活动进行了探讨。并以《网页设计基础》课程的教学活动为案例,分析了在计算机基础课程教学中引入电子学档的可行性、必要性。最后,使用平均数差异显著性T检验来测量两组学生的学习情况,对使用电子学档提高学生的学习效率进行了量化评价。     

基于ARM的足球机器人控制系统的研究与设计

设计和实现了基于32位ARM7微处理器LPC2104的足球机器人控制系统。利用nRF2401与上位机通信,利用芯片L298驱动两个直流电机,使足球机器人的控制系统具有快速性、灵活性和准确性。在FIRA微型足球机器人上验证了该方案的可行性和有效性。     

基于改进非支配遗传算法的DNA编码序列优化方法

针对DNA计算中的编码序列设计问题,分析了DNA编码序列设计的目标和需要满足的约束条件,并建立了相应的数学模型。通过将约束条件引入非支配排序过程,提出了一种改进的NSGA-Ⅱ算法。实验结果表明,该算法具有良好的收敛特性和种群多样性,能为可控的DNA计算提供可靠的编码序列。