蚁群算法及其在路由优化中的应用综述

蚁群算法(ACO)是一类新型的机器学习技术,根据蚁群算法的正反馈原理和启发式原理的特点,针对目前国内国际的研究情况,对蚁群算法在最优路径的搜寻上从收敛性,收敛算法的改进以及收敛速度等方面的研究分别进行了分析综述,并对蚁群算法的一些应用,如:LEO卫星网络和无线传感等方面进行了阐述.对蚁群算法在路由优化和负载平衡上的研究进行了对比分析,发现了它们存在的不足,指出了在该领域需要进一步研究的热点问题.     

基于MVC的振动噪声数据库系统的设计与实现

预期的研究成果是拥有自主知识产权的振动噪声数据库.通过建立这样一个数据信息规模较大、可用性强、开放式的振动噪声数据库,为振动噪声试验工作提供坚实的基础.对系统进行了概要的介绍,提出了一套基于J2EE框架平台的系统解决方案.整个系统采用了MVC设计模式,还采用了Struts、Spring、Hibernate等多种技术,使得系统成为以网络为系统平台,基于B/S结构、具有结构清晰,具有良好的可扩展性、可维护性以及重用性的主题数据库应用系统.     

工作流模型挖掘中改进的α算法

针对α算法在挖掘短循环结构等方面的不足,提出了一种改进的α算法.该算法先基于事件类型定义任务间序关系;然后依据这些关系逐渐缩小日志,推出序关系矩阵.最后据此矩阵借助形式化步骤生成工作流网.用一个案例解释了算法的执行过程并进行模拟实验,验证了该算法的可行性和有效性.实验结果表明,改进算法比α算法在处理模型结构、重发现模型种类以及挖掘质量上更具优势.     

离线并发冲突控制器的研究与实现

运用TCFG算法检测应用程序的离线并发冲突,提出了一种基于数据库离线并发冲突控制器的解决方案.首先对离线并发问题进行了认知与分解,在此基础上建立了总体设计模型.然后对该设计方案进行了分解,重点介绍了数据库离线并发冲突控制器的系统结构、关键技术及实现方法.实验结果表明,采用该方案能有效降低离线并发冲突的风险.     

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     

面向草图检索的小样本增量有偏学习算法

为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化;有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进一步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.     

基于SolidWorks和ANSYS的大型全回转架梁起重机结构强度分析

为合理设计某大型全回转架梁大起重力矩起重机的金属结构,利用SolidWorks对其整机各个部分进行三维建模并导入ANSYS软件中,对其整机结构进行有限元分析. 该方法充分利用SolidWorks快速准确建模的特长,很好地解决ANSYS建模能力不足的问题,不仅有效提高建模速度和模型质量,而且简化分析工作,提高模型准确性. 根据计算结果调整设计方案,合理布局整机结构,通过采用高强度材料减轻整机重量,使其满足工程实际要求,提升总体设计水平. 该方法可较快获取大型全回转架梁起重机整体结构设计的最优化方案,缩短设计周期,完成较为完整的起重机整体结构分析,对工程机械的设计具有较好借鉴作用.     

无线传感器网络中基于信息收益的多目标跟踪

目标跟踪是无线传感器网络应用的一个很重要的研究领域,节点有限的通信能力、处理能力、存储能力限制了传统跟踪算法的使用.为了提高网络的信息感知能力和降低能量消耗,提出基于信息收益的加权质心多目标跟踪算法,算法通过信息收益函数选取并唤醒节点对目标感知,通过传感器属性信息解模糊,并利用加权质心算法实现了多目标跟踪.仿真结果表明,与Bayes滤波协同多目标跟踪算法相比,算法虽精度略低,但时间复杂度低、失跟率低、实时性高,总体性能优于前者.     

基于优势关系的信息系统与形式概念分析

对形式概念分析在基于优势关系的信息系统中的应用进行了讨论,证明了由基于优势关系的信息系统导出的形式背景中的对象粒与优势类是等价的,同时对象粒协调集与优势协调集是等价的。     

结合先天和适应性免疫的蠕虫检测免疫模型

现有的蠕虫检测方法大多通过关闭不安全的端口,切断感染主机与未感染主机之间通信等方法延缓蠕虫传播而达到将损害减少到最低程度的目的.实际上在实施这些方法时往往有许多障碍需要克服,其中的最大障碍就是存在错误检测率高的问题.现将免疫危险理论中的DCs(树突状细胞,Dendritic Cells)-T细胞协同机制用于蠕虫检测,其中DCs属于先天免疫系统细胞,T细胞属于适应性免疫系统细胞.本模型将蠕虫进程触发的系统调用序列当作抗原,将感染蠕虫导致的主机和网络异常当作危险信号.在该模型中,DCs负责危险信号的收集检测并提呈与该危险信号关联的抗原给T细胞检测器进行抗原结构检测.理论分析说明,这样的双重检测方法可以降低伪肯定率和伪否定率,并且记忆T细胞检测器的采用能使系统对类似蠕虫的再次感染反应更加迅速.